我有一个计算机视觉问题重建：
我有多视图使用未校准的相机（我知道 fx = fy = f，s = 0 ，和参数不变）
我可以从不同的视图匹配的点都在一个共同的平面上。 我也可以从场景中匹配4个不同的线（假设 L1，L2，L3，L4 ）
这样： L1与L2平行，L3与L4平行，L1与L3（和L4）正交 ......
我有足够的视图（9）和足够的点数（6个没有4行的角落）。
我想用所有我写的信息来减少噪音，我被要求用标准化图像（我不知道它意味着什么）计算所有内容减少数值误差。
还给出了两个匹配点之间的距离。
需要：重建场景（所有6个3D点），r 构建相机内部参数（ux，vx和f），以及重建图像的相机位置。
所以
我研究了 8Point算法，但是这个算法（如果我理解的话）它只使用两个视图，而且更多，它不适用于平面上的点< /强>
我研究了 4Point算法，这是针对同一平面上的点进行的，但它只需要两个视图（我希望使用所有视图）并且不涉及线条。那么另一个问题就是我不能理解如何从P重建R和T（这是基本的，如果我能很好地理解重建相机的位置）。
我研究了一篇你可以在本文中找到的迭代模型：
3D Reconstruction with Uncalibrated Camera
但是我无法（我甚至不知道它是什么）在matlab中执行第4级分解。
我当然没有要求你给我一个详细解决我问题的方法，但是我当然希望至少理解我应该以正确的方式解决我的问题，然后我可以谷歌更多，我可以学习更多。
我感谢你们所有的时间