C++ 用于三维重建的OpenCV未标定相机校正

我正在运行OpenCV 2.4.2

我的项目包括3D人脸识别

我正试图从未校准的相机拍摄的一对图像创建一个3D模型 我的目标是获得一些3D特征用于识别过程

我正在尝试校准和校正相机，但没有得到好的结果。
我采取了以下步骤：

• 从2幅图像中提取冲浪特征
• 找到了两个图像特征之间的对应关系
• 由于

  findFundamentalMat

• 使用

  stereographic

  获得单应矩阵
• 对第一幅图像和第一个单应矩阵使用

  透视

  ，以查看结果

我得到了一个非常糟糕的结果，我不知道现在该怎么办

那个算法正确吗？有什么建议吗

我可以使用什么样的3D特征来获得更好的人脸识别

此处显示校准代码：

///conversionone-di-1-vettori-di-Point2f中的关键点
向量点索引；
矢量点索引前端；
for（vector:：iterator it=matches_FL.begin（）；it！=matches_FL.end（）；+it）{
//印度埃斯特拉齐奥酒店
PointIndexLeft.向后推（it->queryIdx）；
PointIndexFront.向后推（it->trainIdx）；
}
//转换点2F中的dei关键点
向量selPointsLeft，selPointsFront；
KeyPoint:：convert（keypoints\u left、selPointsLeft、pointindexelft）；
KeyPoint:：convert（keypoints\u front、selpointsffront、pointindexsffront）；
//Calcolo della matrice fondamentale酒店
Mat F=findFundamentalMat(
Mat（selPointsFront），//第一个图像中的点
Mat（selPointsLeft），//第二个图像中的点
CV_FM_RANSAC）；//八点法
///雷蒂菲科照相机
math1，H2；
立体校正未校准（selPointsFront、selPointsLeft、F、img_front.size（）、H1、H2、3）；
Mat out_right=Mat:：零（img_front.rows、img_front.cols、img_front.depth（））；
Mat out_left=Mat:：零（img_left.rows、img_left.cols、img_front.depth（））；
warpPerspective（img_front，out_right，H1，img_front.size（），INTER_LINEAR | WARP_Reverse_MAP，BORDER_TRANSPARENT）；
warpPerspective（img_left，out_left，H2，img_left.size（），内部线性扭曲反转贴图，边框透明）；
imshow（“右外”，右外）；
imshow（“左外”，左外）；

首先，第一次检测/识别与三维重建无关。假设您确实希望从一个未校准的摄影机对对象进行三维重建，通常有两个选项：

1） 首先使用校准模式（通常是象棋模式）校准相机；请参见camera_calibration.cpp示例

2） 您可以同时进行校准和三维重建，最简单的过程如下：首先使用任何特征检测算法提取显著点（特征）（每个算法都有优点和缺点，但使用任何一种算法，您都可以得到工作结果），为找到的特征提取描述符，匹配两张条件良好的照片的描述符，找到基本矩阵F，从F中提取两个投影矩阵（3x4矩阵），对匹配特征进行三角化，然后通过切除递归进行：使用已计算的3D点和新照片中的匹配特征计算其相机矩阵（内部和外部矩阵），对新照片带来的新特征进行三角化，并对整个重建空间（相机和3D点）进行捆绑调整

---

祝你好运！

没有任何内在数据的3D重建是一件痛苦的事情，相信我。我正在用改进的平板扫描仪做同样的事情

---

你也可以查看下面的帖子：

尽管我不确定你想用这种方法处理人脸图像，但我发现你的方法有以下问题

在找到单应矩阵H1、H2之前，一切正常，但在此之后：

warpPerspective（img_front，out_right，H1，img_front.size（），INTER_LINEAR | WARP_reverse_MAP，BORDER_TRANSPARENT）；
warpPerspective（img_left，out_left，H2，img_left.size（），INTER_LINEAR | WARP_reverse_MAP，BORDER_TRANSPARENT）；

我无法校准相机，因为它们来自在线数据集，所以我无法计算内部和外部矩阵。我已经计算了两幅图像之间的匹配。然后我计算了F矩阵和“重建”H1和H2，然后是视差图。我从视差图和一个“想象的”Q矩阵中计算了“重投影到3D”（我不知道如何构建这个矩阵，所以我使用了一个单位矩阵）。你说三角测量是什么意思？你能更具体一点吗？我想使用3D功能（如果您知道使用什么功能）用于识别