块捆绑调整流程

Question

我正在进行捆绑块调整以寻找

• 图像点的X，Y，Z值
• 更正了相机特性值（外部参数等）。
• 更正了测量值

在我看来，BB调整过程是通过以下步骤完成的（给出了相机内在函数）：

1. 收集连接点（每个图像对的x，y）和地面控制点（每个图像的x，y和相关的X，Y，Z位置）
2. 为每个视图计算初始外部参数（相机姿势）
3. 使用相机姿势计算每个连接点的初始真实世界位置
4. 使用所有这些初始值和其他参数作为输入
来执行稀疏束调整步骤
5. 使用稀疏束调整的输出作为现实世界位置，外在特征和测量的准确结果。

我想问的一件事是这个流程是否正确。从视图中有很多结构和运动估计方法，所以我不能确定这一点。

当我搜索各种资源时，我发现有些库可以执行块绑定调整操作的每个部分。对于每一步：

1. OpenCV等图像处理库可用于自动连接点收集
2. cvFindExtrinsicCameraParams2可用于空间切除（但它需要4个点，对于块束调整，提到3个地面控制点对于每个视图都足够。我应该使用其他方法，如立体视图的姿势估计？ ）
3. 通过使用OpenCV的三角测量和投影方法，可以计算实际位置
4. SBA或SSBA适合此操作
5. N / A

另一个问题是，如果前面提到的流程是正确的，匹配的库是否足以实现整个流程？（对每个部分可能更好的建议）

我是这个领域的新手，所以我感谢这个主题的任何帮助，谢谢......

Answer 1

您已经描述了立体摄影测量的默认方法。我建议您使用术语“内部和外部”进行搜索，而不是使用计算机视觉术语（外在的，内在的）。如果您拥有有限数量的重叠图像，并且它具有一些定义明确的误差估计方法的好处，这是一种很好的方法 这是一些基本的数学：

http://itee.uq.edu.au/~elec4600/elec4600_lectures/1perpage/uq1.pdf http://itee.uq.edu.au/~elec4600/elec4600_lectures/1perpage/uq2.pdf

  

0.2。 cvFindExtrinsicCameraParams2可用于空间切除（但它   要求4点，对于块捆绑调整，提到3   每个视图都有足够的地面控制点。

cvFindExtrinsicCameraParams2需要四个控制点的原因是方程式只有三个不足。如果您没有足够的控制，则可能必须使用备用方法（或传感器）来估计初始相机姿势向量。