计算机视觉摄像机定标中投影矩阵的计算（1）：最小二乘法 计算机视觉.pdf

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片，通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定，利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配，采用RANSAC算法计算基础矩阵，最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点，并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建，并且能够很好地反映出物体的三维特征。

湖南大学04年博士学位论文。

目录简介投影矩阵的代码实现已知条件代码实现 简介 摄像机标定(Camera calibration)中存在的一个关键问题：如何求解投影矩阵 有了投影矩阵，我们便可以把世界坐标系变化到图像坐标系。 本文主要通过特征向量法来求解投影矩阵。 投影矩阵的代码实现 已知条件 n个三维世界坐标点(保存在dat文件中) n个二维图像坐标点(保存在dat文件中) 使用工具： 环境：windows10+python3.7+pycharm2019 第三方库：numpy 原理见论文链接：(https://wenku.baidu.com/view/db2774d083d049649b66588e.html) 代码实现

马颂德、张正友编著的书，里面关于摄像机定标的内容很好

（1）用vs结合openCV2.4.4编程实现摄像机定标，包括影像数据的读取、控制点的选取、投影矩阵的计算、内外方位元素的计算等。 （2）过程： 读入影像数据和控制点坐标； 正确显示给定的影像； 在影像上交互式（自动）选取一定数量的控制点； 根据控制点的物方坐标和像点坐标，计算投影矩阵； 计算内外方位元素。 实验数据： 检校场影像 像素大小0.008mm 控制点坐标存储格式： -Z X Y

计算机视觉摄像机定标，点的投影和三维重建，能够完成投影矩阵、内外方位元素计算，具体使用说明在资源内部