Оценка позиции из нескольких изображений
Прежде всего, я хотел бы заявить, что я очень новичок в этой области и извиниться, если вопрос слишком повторяется. Я оглянулся, но тщетно. Я работаю над чтением книги Хартли и Циссермана, но это занимает некоторое время.
Моя проблема в том, что у меня есть 3 видеоисточника области, и мне нужно найти положение камеры в каждом кадре видео. У меня нет никакой информации о камерах, которые снимали видео (т.е. нет встроенных).
В поисках решения я наткнулся на SfM и попробовал существующее программное обеспечение, а именно Bundler & Vsfm, и оба они, похоже, работали достаточно хорошо. Однако у меня есть пара вопросов по этому поводу.
1) Действительно ли SfM требуется в моем случае? Поскольку SfM выполняет разреженную реконструкцию и общие точки между изображениями также являются выходными данными, является ли это полностью необходимым? или есть более подходящие методы, которые могут сделать это без, так как должности - это все, что мне действительно нужно? Или я могу использовать менее сложные методы?
2) Из того, что я прочитал, мне нужно откалибровать камеру и найти ее встроенную и внешнюю. Как я могу сделать это, не зная либо? Я рассмотрел проблему с 5 пунктами и другие, но большинство из них требует, чтобы вы знали внутренние свойства камеры, которых у меня нет, и я не могу использовать шаблон, такой как шахматная доска, чтобы откалибровать их, так как они получены из источник вне моего контроля.
Спасибо за ваше время!
2 ответа
Исходя из моего опыта, короткий ответ:
1) Вы не можете достоверно оценить 3D-позу камер независимо от 3D-сцены. Более того, поскольку ваши камеры движутся независимо друг от друга, я думаю, что SfM - верный способ решить вашу проблему.
2) Вам необходимо оценить внутренние характеристики камер, чтобы оценить полезные (то есть евклидовы) позы и реконструкцию сцены. Если вы не можете использовать стандартную процедуру калибровки с шахматной доской и со, вы можете взглянуть на методы автокалибровки (см. Также главу 19 в книге Хартли и Циссермана). Эта процедура калибровки выполняется независимо для каждой камеры и требует только нескольких образцов изображения в разных положениях, что представляется целесообразным в вашем случае.
Вы можете фактически выполнить свою задачу в массивной связке смежной процедуры вплоть до параметра масштабирования. Но это очень сложная вещь, даже если вы не новичок. Вам не нужна трехмерная реконструкция, просто необходимая матрица, которую можно получить из 2-мерных проекций и разложить i на вращение и сдвиг, но для этого требуется Iintrinsic Paramus. Чтобы их получить, нужно иметь как минимум три кадра. Наконец, книга Drop Zimmerman сведет вас с ума. Вместо этого прочитайте "Компьютерное зрение" Саймона Принса.