Cela peut être dû à la précision de l'étalonnage - tant intrinsèque (à savoir le même modèle de la caméra - et la façon dont il gère la distorsion) et extrinsèque (à savoir la pose de la caméra dans l'espace réel). Ensemble, bien sûr, ceux-ci dictent la précision ultime de votre re-projection.
Avez-vous une mesure d'erreur pour l'étalonnage de la caméra - en termes de re-projection MSE?
Une erreur cumulative est souvent perceptible dans mon expérience si je fais simplement une itération sur les images suivantes. Une certaine forme d'optimisation globale doit souvent être effectuée pour corriger d'abord les positions pour toutes les poses de caméra.
La précision de votre estimation de disparité est également un facteur. Non seulement en termes d'algorithme que vous utilisez, mais aussi par rapport à la ligne de base stéréo et comment elle se rapporte à la taille/nature de l'objet en question (concave/convexe), et combien d'échantillons des images que vous prenez (et la qualité de ces images - exposition/profondeur de champ/etc).
Fondamentalement, à quel point vos nuages de points sont-ils «éteints»? Sont-ils proches d'être alignés (vous pourriez faire un peu de PCI avant la triangulation ...). Sont-ils plus proches dans le "centre" de la re-projection? Sont-ils plus mauvais pour les projections prises à partir d'images opposées sur les côtés opposés de l'objet? Rappelez-vous également que (en raison de l'échantillonnage discret) vous ne devriez pas vous attendre à ce que les points soient re-projetés exactement l'un sur l'autre. Une certaine forme d'opération de binning au cours de la conduite de triangulation se produit habituellement pour manipuler ce (d'où la plupart des travaux de recherche dans la coque visuelle -> voxels -> cubes de marche -> surface triangulée autour de cette ...)
Avez-vous vérifié MeshLab BTW?
Shoot, j'ai répondu à votre réponse par une réponse. C'est au dessus. ;) – markeroon
Aussi, oui, Meshlab est génial. – markeroon