如何使用 OpenCV 从已知的 3D 点云（没有 I 构建）估计新图像 I 的相机姿态矩阵
How to estimate camera pose matrix of a new image I, from a known 3D point cloud (built without I) using OpenCV
我有以下问题：给定一个 3D 点云，其具有已知姿势的视图集 V，以及一个视图 v ∉ V（即完全未知的姿态），如何估计v的相机姿态矩阵避免运行再次重建V∪{v}?
我正在尝试在 OpenCV 3.2 中解决这个问题，但是您可以提供给我的任何想法、直觉或伪代码都将非常有用。谢谢！
嗯，你显然需要使用点云在新视图和旧视图之间建立图像点对应关系，例如通过匹配与旧图像中的云点投影相关联的图像描述符（SURF、ORB 等），并将它们与新图像中提取的兴趣点相匹配。
然后您可以使用 5 点或 8 点算法完成移除异常值的常规过程。一旦你有了良好的对应关系，你就可以使用 solvePnP 从云点到它们在新图像中的匹配位置。
请注意，这基本上是 VSLAM 算法在不需要重新定位时对所有 "new" 图像执行的操作。
我有以下问题：给定一个 3D 点云，其具有已知姿势的视图集 V，以及一个视图 v ∉ V（即完全未知的姿态），如何估计v的相机姿态矩阵避免运行再次重建V∪{v}?
我正在尝试在 OpenCV 3.2 中解决这个问题，但是您可以提供给我的任何想法、直觉或伪代码都将非常有用。谢谢！
嗯，你显然需要使用点云在新视图和旧视图之间建立图像点对应关系，例如通过匹配与旧图像中的云点投影相关联的图像描述符（SURF、ORB 等），并将它们与新图像中提取的兴趣点相匹配。
然后您可以使用 5 点或 8 点算法完成移除异常值的常规过程。一旦你有了良好的对应关系，你就可以使用 solvePnP 从云点到它们在新图像中的匹配位置。
请注意，这基本上是 VSLAM 算法在不需要重新定位时对所有 "new" 图像执行的操作。