我目前正在开展一个项目，通过使用SIFT / SURF从两张图像中恢复相机6-DOF-Pose。在OpenCV的旧版本中，我使用findFundamentalMat来查找基本矩阵，然后通过已知的相机内部K进一步得到基本矩阵，并最终通过矩阵分解得到R和t。结果非常敏感和不稳定。
我看到有些人在这里有同样的问题 OpenCV findFundamentalMat very unstable and sensitive
有些人建议应用Nister的5点算法，该算法已在最新版本的OpenCV3.0中实现。
我已经阅读了一些例子 OpenCV documentation
在示例中，它使用focal = 1.0和Point2d pp(0.0, 0.0)。
这是相机的真实焦距和原理点吗？单位是什么？在像素？还是实际尺寸？我无法理解这两个参数。我认为这两个参数应该从校准程序中获取，对吗？
对于我当前的相机（VGA模式），我使用Matlab Camera Calibrator来获取这两个参数，这些参数是
Focal length (millimeters): [ 1104 1102]
Principal point (pixels):[ 259 262]
所以，如果我想使用我的相机参数，我是否需要直接填写这些值？或者将它们转换为实际尺寸，如毫米？
另外，我得到的翻译结果看起来像是一个方向而不是实际大小，有什么方法可以得到实际的大小翻译而不是方向？
感谢任何帮助。
答案 0 :(得分：7)
从相机校准中获得的焦距以像素为单位。它实际上是＆＃34;真实＆＃34;的比例。焦距（例如以mm为单位）和像素大小（也以mm为单位）。世界单位取消，你留下像素。不幸的是，你无法估计世界单位的焦距和像素大小，只能估算它们的比例。
主要点也是像素。它只是图像中与光轴相交的点。需要注意的一点是：从MATLAB中的Camera Calibrator获得的主要点是使用基于1的像素坐标，其中图像的右上角像素的中心是（1,1）。 OpenCV使用基于0的像素坐标。因此，如果要在OpenCV中使用相机参数，则必须从主点中减去1。
从基本矩阵得到的平移向量是一个单位向量，因为基本矩阵只是按比例定义。换句话说，你得到一个重建，其中单位是相机之间的距离。如果您需要度量重建（在实际世界单位中），您可能需要知道摄像机之间的实际距离，或者您需要能够在场景中检测已知大小的对象。请参阅此example。