估计基于Epipolar的姿势恢复的相机焦距

Question

标题有点晦涩，但基本上我有两张照片(我正在初始化场景图(，我想恢复第二张照片的相对姿势。我知道如何从Essential Matrix恢复姿势，但这需要了解焦距(以像素为单位(和原点。起源很简单，但我该如何处理焦距。我估计一下然后放在那里好吗？我可以用基本矩阵代替基本矩阵吗？还是从f的估计开始，执行循环，直到来自两个相机的光线通过关键点会聚或它们的距离最小化？

TLDR；不知道如何从极核地理位置找到姿势恢复的F，任何帮助都感谢

以下是一些代码：

pts_l_norm = cv2.undistortPoints(np.expand_dims(pts_l, axis=1), cameraMatrix=K_l, distCoeffs=None)
pts_r_norm = cv2.undistortPoints(np.expand_dims(pts_r, axis=1), cameraMatrix=K_r, distCoeffs=None)
E, mask = cv2.findEssentialMat(pts_l, pts_r, focal=1.0, pp=(0., 0.), method=cv2.RANSAC, prob=0.999, threshold=3.0)
points, R, t, mask = cv2.recoverPose(E, pts_l, pts_r)
print(R,t)

其中K_l是本征矩阵，pts_l和r是用SIFT 找到的关键点

Answer 1

因此，我估计内在矩阵的方式是使用相机EXIF数据。这些数据将包括焦距及其35毫米当量，单位为毫米。还将包括照片的大小，这对估计原点很有用。

然后，您必须使用相机型号查找传感器尺寸，并使用方程f_X=f_X*width_in_pixels/width_in_mm进行转换，其中f_X以毫米为单位

这是我能找到的最好的方法，不幸的是，EXIF数据并不总是包括CCD宽度，如果包括，你可以使用它。