从本质矩阵中估计T和R

Question

我创建了一个简单的测试应用程序，用于从基本矩阵中执行转换（T）和旋转（R）估计。

1. 生成50个随机的点。
2. 计算投影点集1。
3. 通过矩阵（R|T）转换点。
4. 计算新的投影点集2。
5. 然后计算基本矩阵F。
6. 提取像E = K2^T F K1这样的基本矩阵（K1、K2是内部相机矩阵）。
7. 使用SVD获取UDV^T。

然后计算restoredR1 = UWV^T，restoredR2 = UW^T。并查看其中一个是否等于初始的R。

但是当我计算平移向量restoredT = UZU^T时，我得到了归一化的T。

restoredT*max(T.x, T.y, T.z) = T

如何恢复正确的平移向量？

- Vie

Answer 1

我明白了！在此步骤中，我不需要实际长度估计。当我得到第一张图片时，我必须设置度量变换（比例因子）或从已知物体的校准中进行估计。之后，当我收到第二帧时，我计算规范化的T，并使用第一帧中已知的3D坐标来解方程（sx2，sy2，1）= K（R | lambdaT）（X，Y，Z）; 找到lambda - 那么lambdaT将是正确的度量翻译...

我检查了一下，这是正确的。那么...也许谁知道更简单的解决方案？

- Vie

---

这听起来像是Bae等人在《计算再摄影》（2010）中提出的解决方案，我已经搜索过了，没有找到其他不同的方法。 - oarfish