本质分解的稳定翻译
Stable Translation from essential decomposition
当使用单个相机实现单目 SLAM 或运动结构时，平移可以估计到未知比例。事实证明，在没有任何其他外部信息的情况下，无法确定该比例。但是，我的问题是：
如何在所有子翻译中统一这个比例。例如，如果我们有 3 帧（Frame0、Frame1 和 Frame2），我们按如下方式应用跟踪：
- 第 0 帧 -> 第 1 帧：R01、T01（R&T
可以使用 F Matrix 和 K 提取
矩阵和基本矩阵
分解)
- 框架 1-> 框架 2：R12，T12
问题是 T01 和 T12 已归一化，因此它们的幅度为 1。但是，实际上，T01 幅度可能是 T12 的两倍。
如何恢复 T01 和 T12 之间的相对幅度？
P.S。我不想知道 T01 或 T12 究竟是什么。我只想知道 |T01| = 2 * |T12|.
我认为这是可能的，因为单目 SLAM 或 SFM 算法已经存在并且运行良好。所以，应该有一些方法可以做到这一点。
计算第2帧和第0帧之间的R,t，并在这三个帧形成的三个顶点之间连接一个三角形。唯一可能的闭合三角形（最多单个比例）将在已知比例的相对平移时形成。
当使用单个相机实现单目 SLAM 或运动结构时，平移可以估计到未知比例。事实证明，在没有任何其他外部信息的情况下，无法确定该比例。但是，我的问题是： 如何在所有子翻译中统一这个比例。例如，如果我们有 3 帧（Frame0、Frame1 和 Frame2），我们按如下方式应用跟踪：
- 第 0 帧 -> 第 1 帧：R01、T01（R&T 可以使用 F Matrix 和 K 提取 矩阵和基本矩阵 分解)
- 框架 1-> 框架 2：R12，T12
问题是 T01 和 T12 已归一化，因此它们的幅度为 1。但是，实际上，T01 幅度可能是 T12 的两倍。
如何恢复 T01 和 T12 之间的相对幅度？
P.S。我不想知道 T01 或 T12 究竟是什么。我只想知道 |T01| = 2 * |T12|.
我认为这是可能的，因为单目 SLAM 或 SFM 算法已经存在并且运行良好。所以，应该有一些方法可以做到这一点。
计算第2帧和第0帧之间的R,t，并在这三个帧形成的三个顶点之间连接一个三角形。唯一可能的闭合三角形（最多单个比例）将在已知比例的相对平移时形成。