在 MATLAB 中，我使用标准化的 Eight point algorithm 计算了 Fundamental matrix（两个图像）。从那我需要triangulate 3D 空间中的相应图像点。据我了解，要做到这一点，我需要图像相机的旋转和平移。当然，最简单的方法是先calibrate the cameras，然后再拍摄图像，但这对我的应用程序来说太窄了，因为它需要这个额外的步骤。
所以剩下的就是auto (self) camera calibration。我看到提到了bundle adjustment，但在An Invitation to 3D Vision 中似乎需要初始平移和旋转，这让我认为需要校准相机或者我的理解不足。
所以我的问题是如何自动提取旋转/平移，以便将图像点重新投影/三角剖分到 3D 空间中。任何 MATLAB 代码或伪代码都会很棒。
【问题讨论】：
标签： matlab math computer-vision linear-algebra matlab-cvst
您可以使用基本矩阵来恢复相机矩阵并从其图像中对 3D 点进行三角测量。但是，您必须注意，您将获得的重建将是投影重建，而不是欧几里得重建。如果您的目标是测量原始场景中的投影不变量，例如交叉比率、线交叉点等，这将很有用，但它不足以测量角度和距离（您必须为此校准相机）。
如果您可以访问Hartley and Zisserman's textbook，您可以查看第 9.5.3 节，您可以在其中找到从基本矩阵到允许您计算投影重建的一对相机矩阵所需的内容（我相信相同的内容出现在马一书的第 6.4 节）。从source code for the book's algorithms is available online 开始，您可能需要检查函数 vgg_P_from_F、vgg_X_from_xP_lin 和 vgg_X_from_xP_nonlin。
【讨论】：
我认为 Peter 的 matlab 代码会对您有很大帮助：
http://www.csse.uwa.edu.au/~pk/research/matlabfns/
Peter 发布了许多基本的矩阵解决方案。 zisserman 书中提到了原始算法
另外，当你在玩的时候，别忘了看看基本的矩阵歌曲：
http://danielwedge.com/fmatrix/
在我的诚实意见中，一个很好的作品！
【讨论】：
如果您的 3D 空间可以任意选择，您可以将您的第一个相机矩阵设置为
P = [I | 0]
没有平移，没有旋转。这将为您留下一个从相机 1 定义的坐标系。那么校准第二个相机应该不会太难。
【讨论】：