如果我们知道相机矩阵，则转换使用iPhone或Android相机捕获的2D图像可以转换为3D点 Cloud . 我对如何计算一些其他参数的参数有一定的了解，但我需要你的帮助来填补我所知的空间 .
给定世界坐标（W），相应的图像坐标（X）和相机内在矩阵（K） . 任务是将3D点 Cloud 投射到世界中 .
-
使用X和W估算Homography（H）
-
使用K和H估算extrinsics矩阵（E）
-
使用K和E计算相机矩阵 .
-
Project 3D使用相机矩阵指向图像 .
所以，如果我知道至少4个3D点及其相应的像素位置，如果我已经知道相机内在函数，那么我可以计算所有上述内容 .
但如果我不了解相机内在函数，我该如何计算呢？我怎样才能获得至少4个世界和图像坐标的对应关系？有没有比我建议的方式更容易获得相机矩阵？
我不是在线寻找相机校准示例，但我想从头开始编写代码 . 对此有任何帮助非常感谢！
1 回答
可以使用camera calibration（Theory of Bouguet’s MatLab Camera Calibration Toolbox）估算内部参数 .
可以使用3D pose estimation / PnP问题估算外部参数 .
点对应可以通过features matching，标记/棋盘角点检测获得 .
PS：关于你的断言，我认为：
Homography不应该处理3D坐标（已知深度） .
您应该能够在某些假设（平面假设）下使用单应性和先前的相机姿势计算当前相机姿势，但这不是通常的程序 .
E通常代表Essential matrix，而不是外在矩阵 .