三维重建

详细描述

注意

• 请注意，只有在正确安装Ceres Solver后才会编译此模块。
  请查看以下教程中的安装说明：SFM 模块安装

函数
void	cv::sfm::reconstruct (const std::vector< String > images, OutputArray Ps, OutputArray points3d, InputOutputArray K, bool is_projective=false)
	在执行自标定（autocalibration）的同时，从二维图像重建三维点。
void	cv::sfm::reconstruct (const std::vector< String > images, OutputArray Rs, OutputArray Ts, InputOutputArray K, OutputArray points3d, bool is_projective=false)
	在执行自标定（autocalibration）的同时，从二维图像重建三维点。
void	cv::sfm::reconstruct (InputArrayOfArrays points2d, OutputArray Ps, OutputArray points3d, InputOutputArray K, bool is_projective=false)
	在执行自标定（autocalibration）的同时，从二维对应点重建三维点。
void	cv::sfm::reconstruct (InputArrayOfArrays points2d, OutputArray Rs, OutputArray Ts, InputOutputArray K, OutputArray points3d, bool is_projective=false)
	在执行自标定（autocalibration）的同时，从二维对应点重建三维点。

函数文档

reconstruct() [1/4]

void cv::sfm::reconstruct	(	const std::vector< String >	images,
		OutputArray	Ps,
		OutputArray	points3d,
		InputOutputArray	K,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

在执行自标定（autocalibration）的同时，从二维图像重建三维点。

参数

images	包含图像路径的字符串向量。
Ps	输出向量，包含每张图像的 3x4 投影矩阵。
points3d	输出数组，包含估计的三维点。
K	输入/输出相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。输入参数用作初始猜测。
is_projective	如果为真，则假定相机为投影相机。

此方法调用以下签名并从估计的 K、R 和 t 中提取投影矩阵。

注意

• 图像必须按照图像序列的顺序排列。此外，每一帧都应尽可能接近于前一帧和后一帧。
• 目前使用 DAISY 特征来计算二维点轨迹，并且仅适用于 3-4 张图像。

reconstruct() [2/4]

void cv::sfm::reconstruct	(	const std::vector< String >	images,
		OutputArray	Rs,
		OutputArray	Ts,
		InputOutputArray	K,
		OutputArray	points3d,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

在执行自标定（autocalibration）的同时，从二维图像重建三维点。

参数

images	包含图像路径的字符串向量。
Rs	输出向量，包含相机的 3x3 旋转矩阵。
Ts	输出向量，包含相机的 3x1 平移向量。
points3d	输出数组，包含估计的三维点。
K	输入/输出相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。输入参数用作初始猜测。
is_projective	如果为真，则假定相机为投影相机。

内部调用 libmv 简单流水线程序，通过实例化 SFMLibmvEuclideanReconstruction 类使用一些默认参数。

注意

• 图像必须按照图像序列的顺序排列。此外，每一帧都应尽可能接近于前一帧和后一帧。
• 目前使用 DAISY 特征来计算二维点轨迹，并且仅适用于 3-4 张图像。
• 要查看场景重建的工作示例，请查看以下教程：场景重建。

reconstruct() [3/4]

void cv::sfm::reconstruct	(	InputArrayOfArrays	points2d,
		OutputArray	Ps,
		OutputArray	points3d,
		InputOutputArray	K,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

在执行自标定（autocalibration）的同时，从二维对应点重建三维点。

参数

points2d	二维点向量的输入向量（内部向量对应于每张图像）。
Ps	输出向量，包含每张图像的 3x4 投影矩阵。
points3d	输出数组，包含估计的三维点。
K	输入/输出相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。输入参数用作初始猜测。
is_projective	如果为真，则假定相机为投影相机。

此方法调用以下签名并从估计的 K、R 和 t 中提取投影矩阵。

注意

• 轨迹必须尽可能精确。它不处理异常值，并且对异常值非常敏感。

reconstruct() [4/4]

void cv::sfm::reconstruct	(	InputArrayOfArrays	points2d,
		OutputArray	Rs,
		OutputArray	Ts,
		InputOutputArray	K,
		OutputArray	points3d,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

在执行自标定（autocalibration）的同时，从二维对应点重建三维点。

参数

points2d	二维点向量的输入向量（内部向量对应于每张图像）。
Rs	输出向量，包含相机的 3x3 旋转矩阵。
Ts	输出向量，包含相机的 3x1 平移向量。
points3d	输出数组，包含估计的三维点。
K	输入/输出相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。输入参数用作初始猜测。
is_projective	如果为真，则假定相机为投影相机。

内部调用 libmv 简单流水线程序，通过实例化 SFMLibmvEuclideanReconstruction 类使用一些默认参数。

注意

• 轨迹必须尽可能精确。它不处理异常值，并且对异常值非常敏感。
• 要查看相机运动重建的工作示例，请查看以下教程：相机运动估计。