初始相機捆綁調整

Question

內在和外在的矩陣和三維點座標我想用多RGB照相機來重建三維場景。輸入數據沒有相機校準信息，所以我想使用束調整算法（Ceres-solver）來估計校準信息。

現在我已經獲得的成對匹配的特徵點，但我發現，在束調整算法（的Ceres解算器）的算法也需要初始相機內在和外在的矩陣和3D點座標作爲輸入。但是，我沒有這些信息，我也不知道如何產生最初的猜測。

我應該怎麼做，以生成初始相機內在和外在矩陣和3d點座標？

非常感謝！

Answer 1

初始參數有重要幫助的算法收斂到正確的局部極小，因此取得了良好的重建。您有不同的選項來查找相機的內在特徵：

• 如果您知道用於拍攝照片的相機品牌，您可以嘗試在數據庫中查找這些內在因素。您的重要參數是CCD寬度和焦距（mm）。嘗試this one。
• 檢查EXIF您圖片的標籤。爲此，您可以使用工具jhead或exiftool。

你基本上需要以像素爲單位的焦距和透鏡畸變係數。要以像素爲單位計算的焦距可以使用下列算式：

focal_pixels = res_x *（focal_mm/ccd_width_mm）

如果在任何情況下，你不能找到內部函數的參數爲​​您照相機（一個或多個），則可以使用下面的近似爲初始猜測：

focal_pixels = 1.2 * res_x

不要設置爲固定的，所以焦距和失真參數將在束調節步驟被優化的參數。

在另一方面，外部參數是R的值|每臺攝像機，計算出/在重建和束調整步驟優化的Ť（旋轉 - 平移矩陣）。由於尺度在SfM情景中是未知的，所以從在隨機深度值（Z朝向場景）上投影的點生成第一個重建的攝像機對（在交叉匹配步驟中具有較高分數的攝像機）。你不需要任何extrinsics或3D點座標的初始值。