Computer vision 如何找到2幅图像的3D点

我在左图中有两个对应的点（x1，y1），在右图中有两个对应的点（x2，y2）。两台摄像机之间的距离是10米。我想知道如何在正确的相机坐标中找到3D点？我有以下资料：

R=[ 1 0 0;
    0 0.9 -0.25;
    0 0.2 0.96]
t=[ 0.5; -10; 2.75];
Kleft= [-1000 0 511;
         0 -1000 383;
         0  0    1];
Kright=[-500 0 319;
         0 -500 119;
         0 0 1];
Essentail Matrix=[0   -5.2445   -8.9475;
                  2.7500   -0.1294   -0.4830;
                  10.0000    0.4830   -0.1294]

---

有关三角剖分算法，请参见Hartley、Richard和Andrew Zisserman。计算机视觉中的多视图几何。第二版。剑桥，2000年。P312

---

或者您可以使用MATLAB计算机视觉系统工具箱中的

三角剖分
功能。
如果您真的希望追求视觉，您可以遵循Dima的建议（多视图几何，不是儿童游戏：p）。如果你只是在寻找问题的解决方案，它就在这里

首先，计算公制坐标系中两个像素的坐标，这是通过将相应K矩阵的逆乘以齐次像素坐标来完成的

X1_度量=（Kleft）^-1*（X1，y1，1）

X2_度量=（克里特）^-1*（X2，y2，1）

现在，计算向量X2_度量的倾斜矩阵，即，如果X2_度量=[a，b，c]，那么

歪斜（X2_度量）=[0-cb；c0-a；-ba0]

现在，求比例因子lambda=（歪斜（X2_度量）*t）/（歪斜（X2_度量）*R*X1_度量）

我们几乎完成了，左边图像帧中点的3D坐标是

X1（3D）=（λ*X1_度量）

要计算右图像帧中的三维坐标，只需执行以下转换

X2（3D）=（R*X1（3D））+t

我希望这会有帮助：）
我有一个问题，t=10在上一个等式中吗？或者它是给定数据的平移向量？t是您在问题中提到的平移向量。因此，此方法无论两个摄影机之间的距离如何都有效？两个摄影机之间的距离，只不过是数据中向量“t”的大小（2阶范数）。因此，两个摄像机之间的距离在数据中隐式给出。是的，这种方法总是有效的（除非范数（t）=0）：-）