背景
为简单起见，我有3个相机。它们中的每一个都由它自己校准（其空隙参数已知且足够准确）
他们都分享着几乎相同的观点。我想使用这个3相机系统进行3D重建。我已经单独校准每对（1＆amp; 2,2＆amp; 3和1＆amp; 3）。由此产生了3个转换矩阵。 从理论上讲，这3个转换矩阵应具有以下优点：
T13 = T12 * T23
或其他公式：
T31 * T12 * T23 = Identity
然而，实际上，事实并非如此。由于校准误差，结果从相同的矩阵稍微偏移。
Error = [T31 * T12 * T23] - [Identity] Eq.3
问题：
我觉得单独校准每对相机是个坏主意。通过应用某种全局优化，将整个三对融合在一起，试图最小化等式（3）的误差应该会给出更好的结果。
我的问题是：
此问题是否有任何已知的先前工作。任何想法如何使用OpenCV来实现我的目标，所以我不再重新发明轮子。
答案 0 :(得分：4)
嗯，当然很多相机的组合在过去都是联合校准的（你是否观看了Matrix＆＃39;子弹和＃34;效果？这是Manex团队的工作方式第一：https://www.youtube.com/watch?v=uPNBdDNZbYk）
您可以使用初始成对校准作为一轮束调整的初始化点。最好在所有图像中的几个相机中使用刚性3D对象（不是平面＆＃34;棋盘＆＃34;目标，你需要深度），并且使用跨越视野和深度的许多图像。利益。如果它是一次性项目，可以在具有良好GUI的半自动工具中轻松完成图像匹配和捆绑。我过去曾经令人满意地使用Blender（www.blender.org）完成这些任务。在线查看使用Blender进行matchmoving的教程。