用于 3D 点三角测量的投影矩阵

编程问答 2022-05-02

问题描述

我对投影矩阵的含义感到困惑。如果我有一个单目相机，并且我想从两个连续帧 I_k 和 I_{k-1} 的图像（2D）点对 3D 点进行三角测量，并且我使用 cv.triangulatePoints，它需要 2 个投影矩阵和 2 个 2d 点数组.

所以让我困惑的是：据我所知，投影矩阵将3D点转换为2D点，其格式为：K*[R | t]，其中 K 是内在参数。假设我们有第 k-1 帧、第 k 帧和第 k+1 帧。让我们来看看 triangulatePoints 方法及其声明：

triangulated4d = cv.triangulatePoints(P1,P2,kp1,kp2);

kp1 - 来自第 k 帧的关键点

kp2 - 来自第 k+1 帧的关键点

P1,P2 = ?

P1 和 P2 是什么？我的意思是，我们是否每次在 2 帧之间计算 P1 和 P2？像内参始终保持不变，外参因两帧之间的旋转和平移而变化。

所以我的问题是：P1 和 P2：

  1. 始终固定：仅计算一次，使用来自相机校准的 K、R 和 t
  2. 不固定：总是用新的 R 和 t 计算（R 和 t 是帧 k 和 k+1 之间的转换）并且 K 是固定的

如果答案是 2，那么 P1 和 P2 分别是什么？ (k-1)和k帧之间的P1，(k)和(k+1)帧之间的P2？

我只是计算机视觉的初学者，这让我很困惑。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

computer-visionopencvpythontriangulation