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

Posted 2021-08-29 鱼米粒

---

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。