3
在我看来,它们都意味着从2D图像中的匹配点重建3D坐标。这些概念和多视角立体声之间有什么区别?从运动中的束线调整和结构之间的概念区别是什么?
哪一个算法能够从关键点匹配中计算稀疏点云,并且要求摄像机的外部和内部参数先验知道?
在我看来,它们都意味着从2D图像中的匹配点重建3D坐标。这些概念和多视角立体声之间有什么区别?从运动中的束线调整和结构之间的概念区别是什么?
哪一个算法能够从关键点匹配中计算稀疏点云,并且要求摄像机的外部和内部参数先验知道?
运动结构是从一组图像中恢复场景的三维结构和摄像机运动的问题。束调整是用于解决它的特定优化算法。
当摄像机的内部参数和摄像机外部参数(即摄像机姿态)已知时,您可以实际使用多视图三角测量从匹配点计算点云,而无需进行束调整。当您对相机姿态的估计不确定时,您需要进行非线性优化,并且束调整是用于此目的的标准算法。
谢谢你,为紧凑的答案! – icguy