给定场景，该场景的多个摄像机视图及其对应的投影矩阵，我们希望将2D匹配点三角化为3D。 我到目前为止所做的是解决系统 PX = alphax 其中P是投影矩阵，X是相机坐标中的3D点，alpha是标量，x是对应的向量指向2D。 X和x是均匀的配位。 有关更多详细信息，请参阅第{102页}。
当精确选择2D点或仅使用两个视图时，使用SVD解决此问题会产生正确的结果。引入更多视图会增加很多错误。
有关哪些技术最适合改进/优化此解决方案并使其支持更多视图的任何建议？
答案 0 :(得分：0)
如果我理解正确，我们可以将其视为在3D空间中找到一个点，使点和线之间的正交距离之和最小化（每个摄像机视图一行）？我想在3d空间中有一个梯度下降，可以找到一个局部最小值。
我是否正确理解了问题？