0

R.Hartley、A.Zisserman の第 11 章の「<em>Multiple View Geometry in Computer Vision」では、計算の基礎マトリックスについて次のように読むことができます。

„<strong> 11.7.3 校正済みケース

キャリブレーションされたカメラの場合、正規化された画像座標が使用される場合があり、基本行列の代わりに基本行列 E が計算されます」</p>

つまり、適切な Intrinsic Cameras マトリックスがある場合 (この場合、キャリブレーションされていることを意味しますか?)、Fundamental Matrix の計算を省略して、 Essential Matrixを直接 (8 ポイント アルゴリズムを使用して) 計算できますか?

また、計算されたエッセンシャル マトリックスからマトリックスRとTを再構築 3D モデルに取得できますか?

よろしく、

アートク

4

3 に答える 3

1

通信から、8 点 Alg を使用して基本行列 F を取得します。関係 E=K'^TFK から、K' と K の両方を知っていると仮定します (両方の画像が同じカメラで撮影された場合、 K'=K)、E を計算できます。E から、4 つの可能なカメラ カップル (P_0,P_0') (P_1,P_1')....(P_3,P_3') が得られます。この対の 1 つだけが正の深度制約を満たします (つまり、3D ポイントは両方のカメラの前にあります)。そのカップルがあなたのカメラになります。この助けを願っています！

于 2014-01-30T17:09:38.397 に答える
1

短い答え、はい。ウィキペディアの長い説明も参照してください。

于 2014-01-27T14:23:00.040 に答える
0

そのため、一般に、ビジュアル オドメトリでキャリブレーションされたカメラとは、固有の行列がわかっているカメラを指します。

ステレオ ビジュアル オドメトリ システムの場合、私は通常、両方のカメラの固有行列が既知であることを意味しますが、同僚の中には、2 つのカメラ間の回転と移動が既知であることを意味するものもあります。

実際には、MatLab または OpenCV のさまざまな関数を使用してカメラの固有行列を推定でき、本能行列が与えられると、2 つのカメラ間の回転と平行移動を決定できるため、この 2 つの間にほとんど違いはありません。

さらに、基本行列の導出は、2 台のカメラの基本行列と固有行列に依存します (固有行列は、単眼視覚オドメトリの場合は同じである可能性があります)。これは、基本行列が推定され、基本行列が推定されないことがよくあることを意味します。

本質的な行列から回転と平行移動を取得する方法については、まず単一値分解 (SVD) に関する YouTube ビデオを見てから、https ://www.researchgate.net/publication/220556161_Visual_Odometry_Tutorial を読むことをお勧めします。

ヤングスカラーの研究を頑張ってください。

于 2020-01-10T16:07:15.747 に答える