重建

详细描述

注意

• 请注意，只有在正确安装 Ceres Solver 时才会编译。
  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)
	从 2d 图像重建 3d 点，同时执行自动校准。
void	cv::sfm::reconstruct (const std::vector< String > images, OutputArray Rs, OutputArray Ts, InputOutputArray K, OutputArray points3d, bool is_projective=false)
	从 2d 图像重建 3d 点，同时执行自动校准。
void	cv::sfm::reconstruct (InputArrayOfArrays points2d, OutputArray Ps, OutputArray points3d, InputOutputArray K, bool is_projective=false)
	从 2d 对应关系重建 3d 点，同时执行自动校准。
void	cv::sfm::reconstruct (InputArrayOfArrays points2d, OutputArray Rs, OutputArray Ts, InputOutputArray K, OutputArray points3d, bool is_projective=false)
	从 2d 对应关系重建 3d 点，同时执行自动校准。

函数文档

reconstruct() [1/4]

void cv::sfm::reconstruct	(	const std::vector< String >	images,
		OutputArray	Ps,
		OutputArray	points3d,
		InputOutputArray	输入的相机内参矩阵。,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

从 2d 图像重建 3d 点，同时执行自动校准。

参数

images	具有图像路径的字符串向量。
Ps	包含每个图像的 3x4 投影矩阵的输出向量。
points3d	具有估计的 3d 点的输出数组。
输入的相机内参矩阵。	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 true，则假定相机是透视的。

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前一帧和后一帧。
• 目前，DAISY 特征用于计算 2d 点轨迹，它仅适用于 3-4 个图像。

reconstruct() [2/4]

void cv::sfm::reconstruct	(	const std::vector< String >	images,
		OutputArray	Rs,
		OutputArray	Ts,
		InputOutputArray	输入的相机内参矩阵。,
		OutputArray	points3d,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

从 2d 图像重建 3d 点，同时执行自动校准。

参数

images	具有图像路径的字符串向量。
Rs	相机 3x3 旋转的输出向量。
Ts	相机 3x1 平移的输出向量。
points3d	具有估计的 3d 点的输出数组。
输入的相机内参矩阵。	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 true，则假定相机是透视的。

在内部，通过实例化 SFMLibmvEuclideanReconstruction 类，使用一些默认参数调用 libmv 简单管道例程。

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前一帧和后一帧。
• 目前，DAISY 特征用于计算 2d 点轨迹，它仅适用于 3-4 个图像。
• 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	输入的相机内参矩阵。,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

从 2d 对应关系重建 3d 点，同时执行自动校准。

参数

points2d	2d 点向量的输入向量（内部向量是每个图像）。
Ps	包含每个图像的 3x4 投影矩阵的输出向量。
points3d	具有估计的 3d 点的输出数组。
输入的相机内参矩阵。	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 true，则假定相机是透视的。

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，并且对它们非常敏感。

reconstruct() [4/4]

void cv::sfm::reconstruct	(	InputArrayOfArrays	points2d,
		OutputArray	Rs,
		OutputArray	Ts,
		InputOutputArray	输入的相机内参矩阵。,
		OutputArray	points3d,
		bool	is_projective = false )

#include <opencv2/sfm/reconstruct.hpp>

从 2d 对应关系重建 3d 点，同时执行自动校准。

参数

points2d	2d 点向量的输入向量（内部向量是每个图像）。
Rs	相机 3x3 旋转的输出向量。
Ts	相机 3x1 平移的输出向量。
points3d	具有估计的 3d 点的输出数组。
输入的相机内参矩阵。	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 true，则假定相机是透视的。

在内部，通过实例化 SFMLibmvEuclideanReconstruction 类，使用一些默认参数调用 libmv 简单管道例程。

注意

• 轨迹必须尽可能精确。 它不处理异常值，并且对它们非常敏感。
• 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。