初始相机捆绑调整

Question

内在和外在的矩阵和三维点坐标我想用多RGB照相机来重建三维场景。输入数据没有相机校准信息，所以我想使用束调整算法（Ceres-solver）来估计校准信息。

现在我已经获得的成对匹配的特征点，但我发现，在束调整算法（的Ceres解算器）的算法也需要初始相机内在和外在的矩阵和3D点坐标作为输入。但是，我没有这些信息，我也不知道如何产生最初的猜测。

我应该怎么做，以生成初始相机内在和外在矩阵和3d点坐标？

非常感谢！

Answer 1

初始参数有重要帮助的算法收敛到正确的局部极小，因此取得了良好的重建。您有不同的选项来查找相机的内在特征：

• 如果您知道用于拍摄照片的相机品牌，您可以尝试在数据库中查找这些内在因素。您的重要参数是CCD宽度和焦距（mm）。尝试this one。
• 检查EXIF您图片的标签。为此，您可以使用工具jhead或exiftool。

你基本上需要以像素为单位的焦距和透镜畸变系数。要以像素为单位计算的焦距可以使用下列算式：

focal_pixels = res_x *（focal_mm/ccd_width_mm）

如果在任何情况下，你不能找到内部函数的参数为​​您照相机（一个或多个），则可以使用下面的近似为初始猜测：

focal_pixels = 1.2 * res_x

不要设置为固定的，所以焦距和失真参数将在束调节步骤被优化的参数。

在另一方面，外部参数是R的值|每台摄像机，计算出/在重建和束调整步骤优化的Ť（旋转 - 平移矩阵）。由于尺度在SfM情景中是未知的，所以从在随机深度值（Z朝向场景）上投影的点生成第一个重建的摄像机对（在交叉匹配步骤中具有较高分数的摄像机）。你不需要任何extrinsics或3D点坐标的初始值。