【入门】(三)SFM的基本概念与opencv实现

目录

基本概念

关键步骤

3、利用已知的R、T和匹配的特征点还原三维坐标。（三角化） 

双目（两相机视图）重建推导过程：

多目重建方法

基本概念

SFM（Structure from motion）由一系列包含着视觉运动信息（motion signals）的多幅二维图像序列(2D image sequences)估计三维结构(3D model)的技术。它属于计算机视觉及可视化的研究范围。由于相机之间的平移估计为相对平移，参考入门（二），这种方法只是恢复了物体的结构框架，而不是实际意义的物体尺寸。

关键步骤

来源:https://blog.csdn.net/Mahabharata_/article/details/70799695

1、特征提取与匹配

2、相机标定，计算本质矩阵，分解得到相机相对位姿R,T

3、利用已知的R、T和匹配的特征点还原三维坐标。（三角化） 

三维重建与优化：

选取其中的两幅图像进行重建，选择的标准是匹配的特征点数目多。采用五点法求出两幅图像相对的外参数和相机内参数，然后利用bundle adjustment（光束平差法）方法来进行优化。依据得到的参数和两幅图像的匹配关系求出空间点的坐标。然后继续添加图片，选择与已知“实际“”坐标的点匹配最多的图像