Camera Position Reckoning based on SfM

目标

实现基于SfM算法的，以目标拍摄效果为导向的相机位置反演系统。

基于环境

• JDK8 x64
• openCV 3.4.2

实现方法

• 相机标定采用GML C++ Camera Calibration Toolbox实现。
• 读取视频，取间隔帧数的照片作为SfM算法的关键帧。
• 取视频的最后一张图片，在GUI上选框进行投影变换，实现目标图像的获取。
• 将所得到的序列图片运行SfM算法，进行三维重建。
• 使用MATLAB查看三维重建点云效果。

    format long g;
    P=[
        7.9932642, -6.161675, 18.40271;
        4.970612, -4.9678035, 11.996756;
        -0.35880902, 0.89857519, 7.5484924;
        0.78789729, 3.1232572, 6.3487396;...
    ];
    
    X=P(:,1);Y=P(:,2);Z=P(:,3);

    scatter3(X,Y,Z,'B.')

• 将目标图片加入SfM算法序列，运行结束后能够获得相机的外参矩阵。

目前实现

• 利用张正友标定法，采用ting2696/zhang-s-method的棋盘格数据集实现相机标定。（弃用）
• 使用AKAZE方法实现了效果较为良好的特征点提取及匹配
• 正确实现了两张图像的三维重建。

待实现想法

• 根据清晰度评价方法，提供目标函数，从输入视频中选取最清晰的图片。