通过特征匹配估计两个相机之间的真实世界转换
Estimating real world translation between two cameras through feature matching
我有两个经过校准的相机正在观察重叠的场景。我正在尝试估计 camera2 相对于 camera1 的姿势（因为 camera2 可以移动；但 camera1 和 2 总会有一些重叠的特征）。
我正在使用 SIFT 识别特征，计算基本矩阵并最终计算基本矩阵。一旦我解决了 R 和 t（四种可能的解决方案之一），我就获得了按比例缩放的平移，但是是否有可能以某种方式计算现实世界单位的平移？场景中没有已知大小的物体；但我确实有两个相机的校准数据。我浏览了一些关于运动结构和立体姿态估计的信息，但比例的概念和与现实世界翻译的相关性让我感到困惑。
谢谢！
这是运动结构的经典尺度问题。
简短的回答是，您必须有一些其他信息来源才能解决比例问题。
此信息可以是关于场景中的点（例如地形图），或从移动相机（IMU、GPS 等）读取的一些传感器
我有两个经过校准的相机正在观察重叠的场景。我正在尝试估计 camera2 相对于 camera1 的姿势（因为 camera2 可以移动；但 camera1 和 2 总会有一些重叠的特征）。
我正在使用 SIFT 识别特征，计算基本矩阵并最终计算基本矩阵。一旦我解决了 R 和 t（四种可能的解决方案之一），我就获得了按比例缩放的平移，但是是否有可能以某种方式计算现实世界单位的平移？场景中没有已知大小的物体；但我确实有两个相机的校准数据。我浏览了一些关于运动结构和立体姿态估计的信息，但比例的概念和与现实世界翻译的相关性让我感到困惑。
谢谢！
这是运动结构的经典尺度问题。
简短的回答是，您必须有一些其他信息来源才能解决比例问题。
此信息可以是关于场景中的点（例如地形图），或从移动相机（IMU、GPS 等）读取的一些传感器