从我对点 Cloud 如何工作的理解有限，我觉得应该能够从一个对象外部的一组二维图像中生成一个点 Cloud . 我遇到的问题是我似乎无法找到如何生成这种点 Cloud 的任何示例 .
通常，来自一系列2D图像的3D形状重建是一个难题 . 它可以从困难到极难，具体取决于相机的已知信息量及其与物体和场景的关系 . 有很多信息：尝试谷歌搜索"3D reconstruction image sequence"或"3D image reconstruction turn table" . Here是一篇论文，对该过程及其挑战进行了很好的总结 . This paper很好（它引入了"RANSAC" - 另一个很好的搜索关键字） . This link在面部重建方面解决了问题，但该理论可以应用于这个问题 .
请注意，3D点的解释取决于相机的extrinsic和intrinsic参数的知识 . 外部参数指定相机相对于世界的位置和方向 . 内部参数将像素坐标映射到世界框架中的坐标 .
当外部参数和内部参数都不知道时，3D重建精确到未知的比例因子（即，可以 Build 相对大小/距离，但绝对大小/距离是未知的） . 当两组摄像机参数都已知时，3D点的比例，方向和位置是已知的 . OpenCV documentation很好地涵盖了相机校准的概念 . This link，this link和this link也很好 .
VisualSFM是一个允许3D重建的应用程序 . 您可以从多个2D图像中获取点 Cloud .
This video显示如何从树的短片段中提取多个图像，然后使用VisualSFM创建点 Cloud .
2 回答
通常，来自一系列2D图像的3D形状重建是一个难题 . 它可以从困难到极难，具体取决于相机的已知信息量及其与物体和场景的关系 . 有很多信息：尝试谷歌搜索"3D reconstruction image sequence"或"3D image reconstruction turn table" . Here是一篇论文，对该过程及其挑战进行了很好的总结 . This paper很好（它引入了"RANSAC" - 另一个很好的搜索关键字） . This link在面部重建方面解决了问题，但该理论可以应用于这个问题 .
请注意，3D点的解释取决于相机的extrinsic和intrinsic参数的知识 . 外部参数指定相机相对于世界的位置和方向 . 内部参数将像素坐标映射到世界框架中的坐标 .
当外部参数和内部参数都不知道时，3D重建精确到未知的比例因子（即，可以 Build 相对大小/距离，但绝对大小/距离是未知的） . 当两组摄像机参数都已知时，3D点的比例，方向和位置是已知的 . OpenCV documentation很好地涵盖了相机校准的概念 . This link，this link和this link也很好 .
VisualSFM是一个允许3D重建的应用程序 . 您可以从多个2D图像中获取点 Cloud .
This video显示如何从树的短片段中提取多个图像，然后使用VisualSFM创建点 Cloud .