OpenCV+；摄影测量

我有一双立体眼镜， 照片1： 照片2：

每个图像中都有坐标系。如何使用OpenCV库在该系统中查找点A的坐标。很高兴看到示例代码。

---

我在opencv.willowgarage.com/documentation/cpp/camera\u calibration\u和\u 3d\u reconstruction.html上找到了它，但没有找到（或没有理解：）

你需要理解数学

---

如果这一页还不够，那么你应该看看-它用了几章来说明这一点。然后有很多教科书更详细地介绍了它

首先，这不是真正的立体声对。一对好的立体声需要有60%-80%的重叠，通常图像之间的旋转差异很小。即使这对有必要的基础，是一个良好的立体对由于极端卡帕旋转，产生的极线图像将是无用的

其次，您应该了解OpenCV支持的摄像机校准和共线方程

---

您的“立体声”图像很好。您已经做的是解决对应问题：在两幅图像中，您都指示了点“A”。这意味着您知道哪个像素对应于每个标记点“A”

你要做的是，在你的相机所在的地方进行三角测量。你只能先校准你的相机。这已经在OpenCV中了。

这将为每个矢量提供精确的光矢量/光线，以及光线经过的相机的光学中心。此外，您还需要立体声校准。这就确定了每个摄像头相对于彼此的方向和位置

从这一点开始，三角剖分很简单，知道点“A”的两幅图像中的像素位置。你有

• 摄像机1和摄像机2的位置和方向
• 从摄像机到标签“A”的耳道射线矢量（像素位置）

因此，在空间中有两个位置，以及来自这些位置的两条光线。这些光线的交点就是你的3D答案

---

请注意，实际上光线永远不会完全相交（3D中的两条线很少相交），因此需要进行近似计算。使用opencv函数triangulatePoints（），使用立体声校准的输入和与标签A相关的像素索引。

您似乎受到自己经验的限制。这是一对很好的立体声组合，有很好的重叠和旋转。我有一个70度的旋转和相机之间70厘米的距离非常好的结果。结果令人敬畏的事实意味着你刚才说的都是胡说八道。在这里查看我们的设置和生成的3D地图：根据您的最终目标，使用这种立体对，您只能获得相对深度比例，几乎没有有用的测量数据。我承认我的经验仅限于像这样的大型摄影测量项目，这是完全不真实的。这只是一个简单的问题，有2个点（2个光学中心）和2个向量，只是三角化。您应该知道“小旋转”和重叠量实际上毫无意义。如果我以40度的角度拍摄9张照片，我仍然可以通过摄影测量制作3D模型。从中你会了解到学位的数量是可以接受的。由于给出了参考点的绝对位置，因此很容易获得绝对刻度。你的极线图像不会是无用的，它们不会是正方形的。相信我，去过那里，做了那件事，成功了。请参阅链接。这可能是一个很好的链接？linkrot，您的图像不再可访问