Computer vision 我们如何从基本矩阵中找到精确的平移向量（精确缩放，而不是单位范数）
我试图通过一对相机（立体系统）在我的场景的两个不同视图中获得点的3D度量重建 为此，我校准了摄像机，估计了基本矩阵，并得到了基本矩阵的估计值。现在，在Hartley&Zisserman的《CV中的多视图几何》一书中，我看到，对于任何给定的E，它们对应4对标准摄像机，其中只有一对重构为“实际”立体配置Computer vision 我们如何从基本矩阵中找到精确的平移向量（精确缩放，而不是单位范数）,computer-vision,Computer Vision,我试图通过一对相机（立体系统）在我的场景的两个不同视图中获得点的3D度量重建 为此，我校准了摄像机，估计了基本矩阵，并得到了基本矩阵的估计值。现在，在Hartley&Zisserman的《CV中的多视图几何》一书中，我看到，对于任何给定的E，它们对应4对标准摄像机，其中只有一对重构为“实际”立体配置 但问题是平移向量的范数是1。我需要精确的平移向量。如果您联合校准了立体声设备的摄像头，则平移向量是该设备的输出，以与您使用的校准对象的几何规格相同的单位表示 如果没有，那么您还没有关于场景比例的任何
但问题是平移向量的范数是1。我需要精确的平移向量。如果您联合校准了立体声设备的摄像头，则平移向量是该设备的输出，以与您使用的校准对象的几何规格相同的单位表示 如果没有，那么您还没有关于场景比例的任何信息。您可以通过重建（通过立体）具有已知尺寸的对象来恢复它