基本矩阵的T和R估计

Question

我创建了一个简单的测试应用程序，用于从基本矩阵执行转换（ T ）和旋转（ R ）估算。

1. 生成50个随机积分。
2. 计算投影 pointSet1 。
3. 通过矩阵（ R | T ）转换积分。
4. 计算新投影 pointSet2 。
5. 然后计算基本矩阵 F 。
6. 提取基本矩阵，例如E = K2^T F K1（K1, K2 - 内部相机矩阵）。
7. 使用SVD获取UDV^T。

并计算restoredR1 = UWV^T，restoredR2 = UW^T。并且看到其中一个等于初始 R 。

但是当我计算翻译向量restoredT = UZU^T时，我会被归一化 T 。

restoredT*max(T.x, T.y, T.z) = T

如何恢复正确的翻译载体？

Answer 1

我明白了！我不需要对此步骤进行实际长度估算。 当我得到第一张图像时，我必须设置度量变换（比例因子）或从已知对象的校准中估计它。之后，当我收到第二帧时，我计算正常化的T，并使用来自第一帧的已知3d坐标来求解方程（sx2，sy2,1）= K（R | lambda T）（X，Y，Z）;并找到lambda - 而不是lambda T将是正确的度量标准翻译...

我检查一下，这是真的/所以...也许谁知道更简单的解决方案？