OpenCV Stereo Reconstruction -- 使用 Q 矩阵和三角测量有什么区别？答案

【问题标题】：OpenCV Stereo Reconstruction -- What is the difference between using the Q matrix and triangulation?OpenCV Stereo Reconstruction -- 使用 Q 矩阵和三角测量有什么区别？
【发布时间】：2014-06-23 06:19:57
【问题描述】：

我已经在 Matlab 中多次实现了立体管道，现在我正在尝试在 OpenCV 中实现一个。我一直在关注 Martin Peris 的重建：http://blog.martinperis.com/2012/01/3d-reconstruction-with-opencv-and-point.html

当使用 Matlab 实现时，我的管道是这样的：校准 -> 校正 -> 立体匹配 -> 取消校正/取消扭曲匹配 -> 三角匹配。

在 OpenCV 中，管道是这样的校准 -> 校正 -> 立体匹配 -> reprojectTo3D

这里有 reprojectTo3D 函数：http://docs.opencv.org/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#void%20reprojectImageTo3D%28InputArray%20disparity,%20OutputArray%20_3dImage,%20InputArray%20Q,%20bool%20handleMissingValues,%20int%20ddepth%29

它不是在做三角测量吗？这怎么可能？是否假设相机处于规范设置并且已经平行？

【问题讨论】：

标签： opencv triangulation stereo-3d 3d-reconstruction

【解决方案1】：

OpenCV 管道从立体匹配中获取用于三角测量的视差图，并从校准和校正步骤中获取相机的投影矩阵。您可以将triangualtePoints 与从两个相机观察到的点的位置及其来自stereoRectify 函数的投影矩阵一起使用。主要算法相同，只是中间产品略有不同。

【讨论】：

在我看来，答案存在小错误。您可以将 triangualtePoints 与从两个相机观察到的点的位置以及来自 stereoRectify 函数的投影矩阵（而不是它们的位置）一起使用。
是的，你是对的。我认为投影矩阵包含有关相机位置的信息，但即使它是真的，也远不止这些。固定。