我创建了一个简单的测试应用程序来执行翻译（T）和旋转（R）从基本矩阵进行估计。
- 生成 50 个随机数Points.
- 计算投影点集1.
- 转换Points通过矩阵 (R|T).
- 计算新的投影点集2.
- 然后计算基础矩阵F.
- 提取必要的矩阵，如
E = K2^T F K1 (K1, K2- 内部相机矩阵）。
- 使用SVD得到
UDV^T.
并计算restoredR1 = UWV^T, restoredR2 = UW^T。并看到其中之一等于初始值R.
但是当我计算平移向量时，restoredT = UZU^T，我得到标准化T.
restoredT*max(T.x, T.y, T.z) = T
如何恢复正确的平移向量？
我明白！这一步我不需要实际长度估计。
当我获得第一张图像时，我必须设置公制变换（比例因子）或根据已知物体的校准来估计它。之后，当我收到第二帧时，我计算标准化 T，并使用第一帧的已知 3d 坐标来求解方程 (sx2, sy2, 1) = K(R|lambdaT）（X，Y，Z）；并找到 lambda - 比 lambdaT 将是正确的公制翻译...
我检查了一下，这是真的/所以......也许谁知道更简单的解决方案？
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
