【发布时间】：2012-11-20 12:35:35
【问题描述】：
我目前正在从 ios 设备上的相机中提取帧。从这些帧中，我使用 ORB 来查找关键点及其描述符。然后我使用 BFMatcher 来查找图像上关键点之间的匹配。
我希望从这里计算相机到这些点的距离。我使用的所有点都是平面的（现在我使用墙上的别针进行测试）。在这个阶段没有必要考虑非平面表面，所以这应该会很容易。
我目前有：
- 关键点
- 关键点描述符
- 关键点之间的匹配
- 基本矩阵
- 基本矩阵
- 两个摄像头的投影矩阵（虽然我不确定如何测试第二个摄像头是否正确）
我认为我必须以某种形式使用三角测量，但不完全确定它是如何工作的。我知道我必须将来自每个相机的光线（由相机投影矩阵定义？）通过每个关键点并找到它们相交的点（或最接近相交的点）。正如我在 3D 空间中假设的那样，每条射线相交的可能性极小。此外，我的关键点匹配通常非常好，因为我进行了一些基本过滤，但有时关键点是错误的，所以我需要考虑这一点。
在此之前，我使用 Matlab 校准了相机，因此我得到了焦距、主点和失真。但是，我从图像中提取的所有点都是 2D 的。据推测，有必要在 3D 中表示这些点，但我不确定如何。
还是我完全采取了错误的方法？
显然，这将针对场景中的每个点完成，但我只画了一个点。平面（正方形）将始终处于相同位置，但相机位置会因帧而异。关键点将位于同一位置，但并非每帧都拾取每个点。
【问题讨论】：
-
你能张贴一张显示你的相机位置和你的点的图吗？这将使这非常更容易理解....
标签： ios opencv computer-vision triangulation