computer-vision - 2个视图的捆绑调整有意义吗？

Question

如果我只有两个单目图像，捆绑调整真的有用吗？根据我的想法，只有当我有多个视图/图像并因此计算多个图像中一个（或实际上更多）3D 点的重投影时，束调整才有意义。为什么？因为我在每个图像中都有例如离散化错误，我可以通过捆绑调整来减轻多个图像。如果我只考虑两个视图，那么重投影误差应该几乎为零，不是吗？或者这是错误的，它对 2 张图像也很有用，因为基本/基本矩阵以及因此相对变换可能是错误的，从而导致大的错误？我很困惑，因为我见过一些实现，它们总是只在一组图像之间最小化重投影误差。

标签： computer-vision

Answer 1

对于一般针孔相机的图像，可以最小化两个视图的重投影误差。点的投影和三角化 3D 位置由中心投影下的两个视图明确定义。根据您的初始估计/初始重建结果的准确性，效果可能会更小或更显着。

根据我的想法，只有当我有多个视图/图像并因此计算多个图像中一个（或实际上更多）3D 点的重投影时，束调整才有意义。

好吧，您需要检测到一些 3D 点的图像坐标。根据您用于对点的 3D 位置进行三角剖分的视图数量，束调整的效果会有所不同，例如，当您将其图像坐标包含在 3 个图像中并将其最小化时，应改进从 2 个视图三角剖分的点这三个视图的重投影误差是非线性的，而不是基于两个视图执行线性三角剖分。

这还取决于您是否还优化了相机参数。在这种情况下，当基于具有足够视图改变的大量图像时，束调整应该更准确。

在仿射成像属性和相机模型的情况下，您只能使用在至少三个图像中检测到的点。否则，结果是模棱两可的。