您是否每次迭代都计算基本矩阵？ （立体视觉）
Do you compute the fundamental matrix every iteration? (Stereo Vision)
我正在填写有关加入学生团队的表格。有一些关于计算机视觉的问题。我之前有一点经验，我花了两天时间研究了关于
深度估计。我有以下关于深度估计实现的问题。
假设我有一辆移动的车辆，我正在使用相机来估计各种物体的深度。了解基本矩阵后，深度估计归结为为 space 中的每个点求解一个 3x3 线性系统。 （假设像素坐标没有不确定性，也没有镜头失真）。
基本矩阵本身是使用 2 个图像中的对应点计算的。问题是，我是否必须在每时每刻（每次迭代）计算基本矩阵？我是否在初始设置时校准相机，然后才认为基本矩阵已知？
校准系统后，如果外部（相对位置）和内部（相机镜头、焦距、图像分辨率）参数保持不变，则无需重新计算基本矩阵 F。您自己做仅一次，可以存储以备将来使用。
这正是我在 my library, where you can find also an example 中所做的，其中计算了基本矩阵并用于绘制对极线。
我希望这能回答你的问题。
干杯
我正在填写有关加入学生团队的表格。有一些关于计算机视觉的问题。我之前有一点经验，我花了两天时间研究了关于 深度估计。我有以下关于深度估计实现的问题。
假设我有一辆移动的车辆，我正在使用相机来估计各种物体的深度。了解基本矩阵后，深度估计归结为为 space 中的每个点求解一个 3x3 线性系统。 （假设像素坐标没有不确定性，也没有镜头失真）。
基本矩阵本身是使用 2 个图像中的对应点计算的。问题是，我是否必须在每时每刻（每次迭代）计算基本矩阵？我是否在初始设置时校准相机，然后才认为基本矩阵已知？
校准系统后，如果外部（相对位置）和内部（相机镜头、焦距、图像分辨率）参数保持不变，则无需重新计算基本矩阵 F。您自己做仅一次，可以存储以备将来使用。
这正是我在 my library, where you can find also an example 中所做的，其中计算了基本矩阵并用于绘制对极线。
我希望这能回答你的问题。
干杯