使用校准相机获取匹配点进行 3D 重建
-
21-12-2019 - |
题
我正在尝试从几对两个视点计算 3D 坐标。
首先,我使用了matlab函数 estimateFundamentalMatrix()
得到 F
匹配点的数量(数量 > 8),即:
F1 =[-0.000000221102386 0.000000127212463 -0.003908602702784
-0.000000703461004 -0.000000008125894 -0.010618266198273
0.003811584026121 0.012887141181108 0.999845683961494]
我的相机 - 拍摄了这两张照片 - 使用内在矩阵进行了预先校准:
K = [12636.6659110566, 0, 2541.60550098958
0, 12643.3249022486, 1952.06628069233
0, 0, 1]
根据这些信息,我使用以下方法计算了基本矩阵:
E = K'*F*K
通过SVD的方法,最终得到了射影变换矩阵:
P1 = K*[ I | 0 ]
和
P2 = K*[ R | t ]
在哪里 R
和 t
是:
R = [ 0.657061402787646 -0.419110137500056 -0.626591577992727
-0.352566614260743 -0.905543541110692 0.235982367268031
-0.666308558758964 0.0658603659069099 -0.742761951588233]
t = [-0.940150699101422
0.320030970080146
0.117033504470591]
我知道应该有 4 种可能的解决方案,但是,我计算的 3D 坐标似乎不正确。
我用相机拍摄了带有标记点的平面物体的照片。我是手工匹配的(这意味着原材料不应该存在明显的错误)。但结果却是表面有一点条带。
我想这可能是由于图片没有经过扭曲处理(但实际上我记得我做了)。
我只是想知道这个方法是否可以解决3D重建问题?特别是当我们已经知道相机内参矩阵时。
JCraft 于 8 月 4 日编辑:我已经重做了这个过程并得到了一些显示问题的图片,我将详细写另一个问题,然后发布链接。
JCraft 于 8 月 4 日编辑:我发布了一个新问题: 校准相机获得 3D 重建的匹配点,理想测试失败. 。@Schorsch 非常感谢您帮助格式化我的问题。我会尝试学习如何在 SO 中进行输入,并尝试改进我的语法。谢谢!
解决方案
其他提示
平面物体是关键表面,不可能通过它们实现您的目标。尝试在平面上添加两个(或更多)点(如果仍然感兴趣,请参阅 Hartley 和 Zisserman 或有关此事的其他文本)
不隶属于 StackOverflow