OpenCV-Python实战（27）——基于对极几何的3D场景重建0. 前言1. 规划应用程序2. 相机标定2.1 针孔相机模型2.2 估计相机内参3. 搭建应用程序3.1 主例程函数3.2 实现 SceneReconstruction3D 类4. 从一对图像估计相机运动4.1 使用丰富的特征描述符进行点匹配4.2 使用光流进行点匹配4.3 查找相机矩阵4.4 应用图像校正5. 重建场景6. 3D 点云可视化7. 学习运动恢复结构小结系列链接0. 前言我们已经学习了如何检测和跟踪网络摄像头视频流中的感兴趣物体，即使物体从不同角度、距离或部分遮挡下被观察也能实现。在本节中，我们将把特征跟踪更进一步，通过研究图像帧之间的相似性，来探索我们能从整个视觉场景中学到什么。本节的目标是学习如何通过从相机运动中推断场景的几何特征来重建3D场景。这种技术有时也称为运动恢复结构。通过从不同角度观察同一场景，我们将能够推断出场景中不同特征在真实世界中的3D坐标。这一过程称为三角测量，它使我们能够将场景重建为3D点云。如果我们从不同角度拍摄同一场景的两张照片，我们可以利用特征匹配或光流来估计相机在拍摄两张照片之间经历的平移和旋转运动。为了使其正常工作，我们首先需要对相机进行标定。完成本应用程序后，将理解根据从不同视点拍摄的多张图像来重建场景或物体的3D结构的经典方法，我们将能够将这些方法应用到与从相机图像或视频构建3D模型相关的应用中。1. 规划应用程序最终的应用程序将从一对图像中提取并可视化运动恢复结构。我们假设这两张图像是使用同一台相机拍摄的，并且我们知道该相机的内部参数。如果这些参数未知，则首先需要在相机标定过程中进行估计。最终应用程序将包含以下模块和脚本：3D_scene_reconstruction.main：用于启动应用程序的主函数例程scene3D.SceneReconstruction