运动恢复结构SfM

目录

运动恢复结构问题（Structure from Motion，SfM）

运动恢复结构任务分类：

欧式结构恢复

三角化

整体步骤：

歧义问题

后端优化：捆绑调整（Bundle Adjustment）

优势

局限性

运动恢复结构问题（Structure from Motion，SfM）

通过三维场景的多张图片，恢复出该场景的三维结构信息和每个摄像机对应参数

运动恢复结构任务分类：

• 欧式结构恢复（摄像机内参数已知，外参数未知）
• 仿射结构恢复（摄像机为仿射相机，内、外参数均未知）
• 透视结构恢复（摄像机为透视相机，内、外参数均未知）

欧式结构恢复

三角化

• 已知：三维点在两张图像中的像素坐标，相机的内外参数
• 求解：空间三维点坐标
• 问题：相机外参R，t未知
• 解决方法：通过匹配点求出基础矩阵F，通过内参变换求出本质矩阵E（E=t×R），分解得到外参[R, t]

整体步骤：

1. 求解基础矩阵F（归一化八点法）   无法确定F的符号及尺度
2. 求解本质矩阵    无法确定E的符号及尺度
3. 分解本质矩阵    （得到外参）
4. 三角化  （得到三维点坐标）

歧义问题

无法估计场景的绝对尺度，需要其他先验信息

恢复的结构与真实场景之间相差一个相似变换（旋转、平移、缩放）

后端优化：捆绑调整（Bundle Adjustment）

优势

• 同时处理大量视图
• 处理丢失的数据

局限性

• 大量参数的最小化问题
• 需要良好的初始条件

参考链接：三维重建-欧式结构恢复_哔哩哔哩_bilibili