如何找到 2 张图像的 3D 点答案

【问题标题】：How to find the 3D point for 2 images如何找到 2 张图像的 3D 点
【发布时间】：2014-11-21 04:50:00
【问题描述】：

我在左图中有两个对应点 (x1,y1)，在右图中有 (x2,y2)。两台摄像机之间的距离为 10 米。我想知道如何在正确的相机坐标中找到 3D 点？我有以下数据：

R=[ 1 0 0;
    0 0.9 -0.25;
    0 0.2 0.96]
t=[ 0.5; -10; 2.75];
Kleft= [-1000 0 511;
         0 -1000 383;
         0  0    1];
Kright=[-500 0 319;
         0 -500 119;
         0 0 1];
Essentail Matrix=[0   -5.2445   -8.9475;
                  2.7500   -0.1294   -0.4830;
                  10.0000    0.4830   -0.1294]

【问题讨论】：

标签： computer-vision matlab-cvst 3d-reconstruction

【解决方案1】：

有关三角测量算法，请参阅 Hartley、Richard 和 Andrew Zisserman。计算机视觉中的多视图几何。第二版。剑桥，2000 年。 312.

或者您可以使用 MATLAB 计算机视觉系统工具箱中的 triangulate 函数。

【讨论】：

【解决方案2】：

如果你真的很期待追求视觉，你可以听从 Dima 的建议（多视图几何，这不是儿戏：P）。如果您只是在这里寻找问题的解决方案，

首先，计算两个像素在公制坐标系中的坐标，这是通过将对应的K矩阵的逆乘以齐次像素坐标来完成的，

X1_metric = (Kleft)^-1 * (x1, y1, 1)

X2_metric = (Kright)^-1 * (x2, y2, 1)

现在，计算向量 X2_metric 的偏斜矩阵，即如果 X2_metric = [a,b,c] 那么，

skew(X2_metric) = [0 -c b ; c 0 -a ;-b a 0 ]

现在，求比例因子 lambda = (skew(X2_metric)*t)/(skew(X2_metric) * R * X1_metric)

我们差不多完成了，左图帧中点的3D坐标是，

X1(3D) = (lambda * X1_metric)

要计算右图帧内的3D坐标，只需做如下变换，

X2(3D) = (R*X1(3D)) + t

希望对你有帮助:)

【讨论】：

我有一个问题，最后一个方程是 t=10 吗？还是给定数据的翻译向量？
t 是您在问题中提到的翻译向量。
那么，无论两个摄像头之间的距离如何，这种方法都有效？
两个相机之间的距离，只不过是数据中向量“t”的大小（2 阶范数）。因此，两个摄像机之间的距离隐含在您的数据中。是的，这种方法总是有效的（除了 norm(t)=0）:-)