SFM过程（一）

以图像为基础的三维重建过程SFM基本如下图所示：

以SfM-Toy-Library代码为例，如下：

ErrorCode SfM::runSfM() 
{
    if (mImages.size() <= 0) {
        cerr << "No images to work on." << endl;
        return ErrorCode::ERROR;
    }

    //initialize intrinsics
    mIntrinsics.K = (Mat_<float>(3,3) << 2500,   0, mImages[0].cols / 2,
                                           0, 2500, mImages[0].rows / 2,
                                           0,    0, 1);
    mIntrinsics.Kinv = mIntrinsics.K.inv();
    mIntrinsics.distortion = Mat_<float>::zeros(1, 4);

    mCameraPoses.resize(mImages.size());

    //First - extract features from all images
    extractFeatures();

    //Create a matching matrix between all images' features
    createFeatureMatchMatrix();

    //Find the best two views for an initial triangulation on the 3D map
    findBaselineTriangulation();

    //Lastly - add more camera views to the map
    addMoreViewsToReconstruction();

    if (mConsoleDebugLevel <= LOG_INFO) {
        cout << "----------------------- Done -----------------------" << endl;
    }

    return OKAY;
}

  Intrinsics     mIntrinsics; //有3个矩阵，分别是内参 内参的转置 畸变

Intrinsics的定义为

struct Intrinsics {
    cv::Mat K;    //内参
    cv::Mat Kinv;  //内参的转置
    cv::Mat distortion; //畸变
};

流程解析：

1、初始化相机参数矩阵，包括内参矩阵和相机变形参数；

2、提取所有图像的特征点；

3、为所有的图像特征点创建匹配矩阵；

4、在三维地图上寻找初始三角化的最佳两个视图；

5、加入更多图像到地图中来重建三维。

后续将会逐个解析每个过程。