这方面最权威的书籍之一是Zisserman。 （非常）高级的步骤是： 1.对于每个图像，识别一组特征（例如SIFT、ORB、SURF或类似） 1.对于一对图像，找到位于1中的特征之间的对应关系 1.使用这些对应关系，计算描述两个图像之间的关系的基本矩阵F 1.根据F（以及理想情况下的一些内部相机参数），计算第二图像中相对于第一图像的相对相机姿态。 1.使用F，校正图像对，使得对应的点位于相同的扫描线上 1.使用这两幅图像计算密集视差图，然后将其转换为图像中每个像素的深度图 1.给定相机姿势和每个像素的深度，在空间中反向投影点3D点 1.使用一些技术（如光束法平差）来优化整个计算点和图像集的3D坐标和相机姿态的导出值 OpenCV calib3d库包含许多有用的函数，Google是您的朋友，可以了解如何应用它们的更多细节。 参见：OpenCV with stereo 3D reconstruction、OpenCV 3D reconstruction using shipped images and examples
1条答案
按热度按时间qaxu7uf21#
这方面最权威的书籍之一是Zisserman。
（非常）高级的步骤是：
1.对于每个图像，识别一组特征（例如SIFT、ORB、SURF或类似）
1.对于一对图像，找到位于1中的特征之间的对应关系
1.使用这些对应关系，计算描述两个图像之间的关系的基本矩阵F
1.根据F（以及理想情况下的一些内部相机参数），计算第二图像中相对于第一图像的相对相机姿态。
1.使用F，校正图像对，使得对应的点位于相同的扫描线上
1.使用这两幅图像计算密集视差图，然后将其转换为图像中每个像素的深度图
1.给定相机姿势和每个像素的深度，在空间中反向投影点3D点
1.使用一些技术（如光束法平差）来优化整个计算点和图像集的3D坐标和相机姿态的导出值
OpenCV
calib3d库包含许多有用的函数，Google是您的朋友，可以了解如何应用它们的更多细节。参见：OpenCV with stereo 3D reconstruction、OpenCV 3D reconstruction using shipped images and examples