【发布时间】：2014-08-28 03:31:20
【问题描述】：
我正在使用 matlab 制作简单的图像拼接脚本。我现在有接受有序图像序列的代码（I0 I1 I2 I3 ...）。对于每个图像，我提取 SIFT 描述符并在每个图像对之间匹配它们。 （查找 I0-I1 然后 I1-I2 之间的匹配...）。我使用 ransac 来找出内点并在每对之间拟合一个 Homography。 (H01=>I0-I1)。然后我将图像拼接在一起，I0 与 I1 然后 (I0I1) 与 I2 等等。 （我猜是基本的全景图制作）。
但是，现在我想尝试实施捆绑调整来纠正整个图像中的投影误差。我在 Szeliski 计算机视觉书籍中读过一些关于束调整的内容（但我发现它更多关于 3D 重建中的 BA，我不确定如何在 2D 图像拼接中使用它）。然后我也看了this paper。
我不知道从哪里开始，这篇论文使用了更复杂的拼接，所有关于相机模型的讨论都有些混乱，因为我无法将这些讨论与我的简单应用程序联系起来。有人可以帮我开始吗？或者指出一些更合适的材料，在简单的全景制作中应用捆绑调整？我需要做的伪代码也有帮助。
【问题讨论】：
-
从任意（甚至排序的）图像构建全景图一点也不简单。如果您不了解 Brown 论文中的相机模型，您可能应该使用现有工具。此外，对于联合单应性估计，您不需要捆绑调整，只需使用像 Levenberg-Marquardt 这样的非线性优化。
-
感谢您的回复。当我使用 RANSAC 找到一组一致的内点时，我使用它们来拟合每个图像对（I1-I2、I2-I3）之间的单应性，并通过 Levenberg-Marquardt 解决非线性最小二乘问题来做到这一点。这就是使用非线性优化而不是捆绑调整的意思，还是我需要查看优化问题中的所有单应性？
-
其实，忘记我说的联合单应性估计。你当然需要全局参数来共同优化。无论哪种方式，捆绑调整都可以解决需要视差（平移）的问题（3D 重建和相机估计），这是您希望在 parnoramas 中避免的问题。所以我建议你解决共享相机（焦距）和旋转问题。
-
你有没有得到这个工作？我想知道您是否不介意分享您最终使用的方法？我处于类似的位置，因为我已经实现了成对对应匹配和计算单应性，但是在弄清楚如何进行捆绑调整细化步骤时遇到了问题。
标签： matlab computer-vision image-stitching