在通过本征矩阵E,SVD分解后,我们得到了相机的外参。
前方交汇,我们得到稀疏点的3D坐标。
下面我们需要利用BA来获得精确的R和t.
关于BA,中文的资料不多,一些是对着wiki的翻译,大家可以看到,BA为什么翻译成光束法平差,另外,大家也会知道BA中使用的L-MS算法,高斯牛顿算法等。
下面我们就言归正传:
大家都知道BA是从摄影测量领域引入计算机视觉。在摄影测量中,光束法平差分为自由网和绝对网平差,他们的区别是控制点是否参与平差模型计算流程中,显然,我们常说的BA是自由网平差。
根据小孔成像原理,可以建立矩阵和齐次坐标系来表示3D点和二维像点的观测方程。
建立误差方程,对于该非线性优化问题,其变量包括相机6个外方元素和3D点3个元素。
目标函数:
求解非线性最小二乘,摄影测量中一般使用Gauss-Newton or L-M迭代优化方法。
非线性最小二乘优化
Gauss-Newton
Leverberg-Marquart