这是问题的简化（但给出了本质）。假设我在一些参考位置/方向的空间中有一个盒子，并且在已知位置/方向上有一个校准过的摄像机C.我拍了一张照片，可以在投影图像B上识别出N个特征点x_i。
现在假设有人移动盒子（刚体变换）相对较小的量。我拍了一张照片，可以再次识别N个特征点x * _i。我想解决刚体变换T.
我的策略是等效地假设盒子没有移动，并且假设我有另一个摄像机C *，它是通过变换T的逆变换摄像机C找到的。所以N点x _i是预测的相对于相机C *的图像B 上的特征点。
那么我相信我可以从两组投影图像点中解决基本矩阵E（假设我已经足够了 - 我想我需要8个）。 （由于相机已校准，我想我可以使用基本矩阵，而不是基本矩阵？）从那里我可以使用矩阵分解来提取描述相机差异的旋转和平移变换。与此相反的是我想要的变换。
这听起来有效吗？如果我找不到8个特征点，但只说3个，会发生什么？我能够估计基本矩阵还是完全错了？
答案 0 :(得分：0)
是的，它会起作用，甚至可以解决一些丢失的功能，只要你能分辨哪个是哪个。据我所知，你需要至少8分，就像你说的那样。您所描述的是“运动结构”算法的工作原理。请在本讲座的幻灯片3上查阅，接下来在幻灯片20：8点算法。它与你所谈论的完全相关。如果你在不知道结构形式运动的情况下意识到这一切，那么我印象非常深刻。
以下是讲座的链接： https://ags.cs.uni-kl.de/fileadmin/inf_ags/3dcv-ws14-15/3DCV_lec06_SFM1.pdf