用于束调整的初始相机内在和外在矩阵和3D点坐标

Question

我想使用多rgb相机重建3d场景。输入数据没有摄像机校准信息，因此我想使用光束调整算法（Ceres-solver）来估算校准信息。

现在我已经获得了成对匹配的特征点，但我发现束调整算法（Ceres-solver）中的算法也需要初始相机内部和外部矩阵以及3d点坐标作为输入。但是，我没有这些信息，也不知道如何生成初始猜测。

如何生成初始相机内在和外在矩阵和3d点坐标？

非常感谢！

Answer 1

初始参数对于帮助算法收敛到正确的局部最小值非常重要，因此可以获得良好的重建。您可以使用不同的选项查找相机的内在函数：

• 如果您知道用于拍摄照片的相机品牌，您可以尝试在数据库中找到这些内在函数。您需要的重要参数是CCD宽度和焦距（mm）。试试this one。
• 检查图片的EXIF标签。您可以使用jhead或exiftool等工具来实现此目的。

你基本上需要像素的焦距和镜头失真系数。要以像素为单位计算焦距，可以使用下一个等式：

  

focal_pixels = res_x *（focal_mm / ccd_width_mm）

如果您无法找到相机的内在参数，可以使用以下近似值作为初始猜测：

  

focal_pixels = 1.2 * res_x

不要将参数设置为固定，因此在束调整步骤中将优化焦距和失真参数。

另一方面，外部参数是每个摄像机的 R | T （旋转平移矩阵）的值，在重建和捆绑中计算/优化调整步骤。由于在SfM场景中未知比例，因此从投影在随机深度值（Z朝向场景）上的点生成第一对重建的相机对（在交叉匹配步骤中具有较高分数的相机）。您不需要任何初始值来表示extrinsics或3D点坐标。