块捆绑调整流程

Question

我正在进行捆绑块调整以便查找

• 图像点的X,Y,Z值
• 修正了摄像机特性值(外部参数等).
• 修正了测量值

在我看来BB调整过程是通过以下步骤完成的(给出了相机内在函数):

1. 收集连接点(每个图像对的x,y)和地面控制点(每个图像的x,y和相关的X,Y,Z位置)
2. 计算每个视图的初始外部参数(相机姿势)
3. 使用相机姿势计算每个连接点的初始真实世界位置
4. 通过使用所有这些初始值和其他参数作为输入来执行稀疏束调整步骤
5. 使用稀疏束调整的输出作为真实世界位置,外在特征和测量的准确结果.

我想问的一件事是,这种流程是否正确.从视图中有很多结构和运动估计的方法,所以我不能那么肯定.

当我搜索各种资源时,我发现有一些库可以执行块绑定调整操作的每个部分.对于每一步:

1. 像OpenCV这样的图像处理库可用于自动连接点收集
2. cvFindExtrinsicCameraParams2可用于空间切除(但它需要4个点,对于块束调整,提到3个地面控制点对于每个视图都足够.我应该使用其他方法,如立体视图中的姿势估计吗？)
3. 通过使用OpenCV的三角测量和投影方法,可以计算现实世界的位置
4. SBA或SSBA适用于此操作
5. N/A

另一个问题是,如果前面提到的流程是正确的,那么匹配的库是否足以实现整个流程？(可能对每个部分提供更好的建议)

我是这个领域的新手,所以我感谢这个主题的任何帮助,谢谢......

Answer 1

您已经描述了立体摄影测量的默认方法。我建议您使用术语内部和外部方向进行搜索，而不是使用计算机视觉术语（外部、内部）。如果您的重叠图像数量有限，那么这是一个很好的方法，并且它具有一些定义明确的误差估计方法的优点。
这是一些基本的数学：

http://itee.uq.edu.au/~elec4600/elec4600_lectures/1perpage/uq1.pdf http://itee.uq.edu.au/~elec4600/elec4600_lectures/1perpage/uq2.pdf

.2. cvFindExtrinsicCameraParams2 可用于空间后方交会（但它需要 4 个点，对于块束调整，提到每个视图 3 个地面控制点就足够了。

cvFindExtrinsicCameraParams2 需要四个控制点的原因是方程仅用三个来确定。如果您没有足够的控制权，您可能必须使用替代方法（或传感器）来估计初始相机姿势向量。