来自 4 个视图的 6 个点的三角剖分

Question

我有 4 个不同的对象视图，每个视图都有对应的 K 和 M 相机矩阵（内部和外部参数）。

我在每个 2D 视图上标记了 6 个 3D 点（所以 24 个 2d 点）。

我正在尝试将这些 2D 点反向投影到 3D 并在空间中获得我的 6 个 3D 点。

当您有 2 个视图及其矩阵时，大多数论文都会展示如何做到这一点。 但是，我有 4 个视图。我在 Python 中使用 OpenCV。

作为第一种方法，也许我可以使用 2 个视图的所有组合进行三角剖分，所以我得到 4choose2 = 6 组 3D 点，然后我对所有三角剖分进行平均。

是否有更好的方法更可取？ 你认为我应该使用 OpenCV 以外的东西吗？ （但它仍然必须是 Python）

Answer 1

我看到了两种解决您问题的方法。

1.解析解

如果您进行数学运算，您会发现每个 2D 到 3D 对应关系都会向三角测量系统添加 2 个方程。通过 6 个视图，您将获得一个包含 12 个方程和 3 个未知数的系统。这应该是最有效的实现，但在预期有噪声输入时可能会不稳定。

2。三角测量 + 优化

使用经典的 2-View 三角剖分计算估计的 3D 点。使用非线性优化来计算最小化所有 6 个视图的重投影误差的 3D 点。这是我推荐的解决方案，因为它应该是稳定的，并且所有内容都已在 OpenCV 中实现。