Opencv 隧道式结构中的运动结构（SfM）？

我有一个非常具体的应用程序，我想尝试从运动的结构，以获得一个三维表示。目前，我找到的所有运动结构的软件/代码示例都是这样的：“从各个角度拍摄的固定对象，以创建3D”。这不是我的情况

在我的例子中，摄影机正在走廊中间移动，向前看。有时，相机可以看到其他方向（左、右、上、下）。相机永远不会后退或回头，它总是向前移动。由于走廊很小，几乎所有东西都是可见的（没有隐藏点）。走廊有时很长

我已经试过了，但它在我的特殊情况下不起作用（但它在正常使用时非常棒）。有人能给我推荐一个能满足我特定需求的图书馆/软件/工具/论文吗？或者你曾经需要实现类似的东西吗？欢迎任何帮助

---

谢谢

你在说什么样的走廊？你的目标是什么样的精确度

我不明白为什么你的走廊不是从不同角度拍摄的固定物体。如果只是向前看，无法获得场景的许多不同视图，重建的质量可能会受到影响，但标准方法仍应有效。您确定您使用的程序不会因为图片质量、排列或其他原因而失败吗

如果您必须自己进行重建，我将从
1） 校准您的相机
2） 不失真图像
3） 在后续图像对中匹配特征点
4） 为每个图像对提取三维点云

然后，可以相对于彼此确定点云的方向，例如通过两个后续云之间的方向。如果您的数据集中没有任何闭环（因为您的相机只是向前移动），那么更复杂的方法可能不会产生太大的差异

OpenCV和应该是这些步骤所需的一切。可视化可能更麻烦，但漂亮的图片毕竟是你在商业软件中花钱买的

---

编辑（2017/8）：在此期间，我还没有研究过这个问题，但我觉得这个答案遗漏了一些内容。如果我今天必须回答这个问题，我肯定会建议研究一下这个关键词，它最近出现了很多活动，尤其是因为有摄像头的无人机。值得注意的是，它是开源的，可能不容易受到缺乏特性的视图的影响，因为它直接依赖于强度。甚至在图像匹配算法方面似乎也存在一些问题

---

祝你好运

你在说什么样的走廊？你的目标是什么样的精确度

我不明白为什么你的走廊不是从不同角度拍摄的固定物体。如果只是向前看，无法获得场景的许多不同视图，重建的质量可能会受到影响，但标准方法仍应有效。您确定您使用的程序不会因为图片质量、排列或其他原因而失败吗

如果您必须自己进行重建，我将从
1） 校准您的相机
2） 不失真图像
3） 在后续图像对中匹配特征点
4） 为每个图像对提取三维点云

然后，可以相对于彼此确定点云的方向，例如通过两个后续云之间的方向。如果您的数据集中没有任何闭环（因为您的相机只是向前移动），那么更复杂的方法可能不会产生太大的差异

OpenCV和应该是这些步骤所需的一切。可视化可能更麻烦，但漂亮的图片毕竟是你在商业软件中花钱买的

---

编辑（2017/8）：在此期间，我还没有研究过这个问题，但我觉得这个答案遗漏了一些内容。如果我今天必须回答这个问题，我肯定会建议研究一下这个关键词，它最近出现了很多活动，尤其是因为有摄像头的无人机。值得注意的是，它是开源的，可能不容易受到缺乏特性的视图的影响，因为它直接依赖于强度。甚至在图像匹配算法方面似乎也存在一些问题

---

祝你好运

FvD是正确的，因为您的道路是一个静态对象。您的场景是相同的，在多个视图中移动对象并拍摄图像。您的视图的排列方式不能提供对象的360度视图

我看到你在之前的评论中提到数据来自视频？在这种情况下，问题很可能是摄像机校准。摄像机校准向SfM算法告知摄像机的内部参数（焦距、主点、镜头畸变等）。在不了解这些参数的情况下，VSfM中的捆绑器使用来自图像EXIF数据的信息。然而，我不认为视频存储任何EXIF信息（不是100%确定）。因此，我认为整个算法在焦距信息不好的情况下运行，无法解决方向问题

---

你能从视频中提取几帧，看看是否有EXIF信息吗？

FvD是正确的，因为你的道路是一个静态对象。您的场景是相同的，在多个视图中移动对象并拍摄图像。您的视图的排列方式不能提供对象的360度视图

我看到你在之前的评论中提到数据来自视频？在这种情况下，问题很可能是摄像机校准。摄像机校准向SfM算法告知摄像机的内部参数（焦距、主点、镜头畸变等）。在不了解这些参数的情况下，VSfM中的捆绑器使用来自图像EXIF数据的信息。然而，我