国科大人工智能学院《计算机视觉》课 —三维视觉—相机标定与稀疏重建
一、三角化：求X
二、相机标定：求K、R、t（K是同一个）
投影矩阵P有11个自由度。
三维标定物：只需一幅图像
平面标定板：至少需要三幅图像
除了三维标定物和二维标定平面外，还可以利用消影点进行标定。
单应矩阵：
- 基本矩阵
- 单应矩阵
- 本质矩阵
- 投影矩阵
三、姿态估计：求R、t
最少为 P3P
四、稀疏重建 SFM：求K、R、t、X
所以K假设已知，实则为多少呢？
五、重投影误差最小化问题的求解
六、实践：增量式SFM
输入：网络搜索图像，重建 "罗⻢⽃士场 "
输入图像的性质：网络搜索的图像是海量的，但缺点有很多：
- 拍摄设备不同
- 拍摄时间不同
- 无序
1. 特征检测：
- 在图像中提取SIFT特征
- 两两图像间进行特征匹配
- 通过8点法估计两两图像间的基本矩阵F，进一步去除错误对匹配点
- 在确定了两两图像匹配点后，下一步需要将匹配点连接为Tracks
怎么选择初始图像对？
初始图像对应该有足够多的匹配点，且基线足够长。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！