Reconstruction 3D OpenCV en utilisant des images et des exemples expédiés

Question

J'essaie d'effectuer une reconstruction de surface 3D à partir d'une configuration stéréo avec des fichiers d'exemple OpenCV. J'ai créé une caméra stéréo à partir de 2 webcams. J'ai obtenu les paramètres d'étalonnage en utilisant stereo_calib.cpp (https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/cpp/stereo_calib.cpp?rev=4086) et généré un nuage de points avec stereo_match.cpp (https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/c/stereo_match.cpp?rev=2614). Le nuage de points résultant, ouvert avec MeshLab ne ressemble pas du tout à la scène d'origine (http://img707.imageshack.us/i/snapshot01u.png/).

Qu'est-ce qui me manque ici?

étapes recréées:

1. stereo_calib.cpp (sur le même dossier dans lequel les images sont, sans argument et suppose par défaut)

2. stereo_match left01.jpg right01.jpg -i intrinsics.yml -e extrinsics.yml -p cloud.asc

3. cloud.asc importation sur MeshLab

Merci

Answer 1

La description et l'image que vous avez postée ne sont pas très nombreuses. Mais d'après mon expérience de la reconstruction 3D, il semble que les paramètres extrinsèques ou intrinsèques ne sont pas corrects.

Ainsi, quelque chose s'était mal passé avec votre étalonnage. Vous devez obtenir le calibrage intrinsèque des deux caméras et l'extrinsèque entre vos caméras.

1. Les paramètres extrinsèques représentent la position relative et l'orientation entre les caméras. Ainsi, s'ils sont incorrects, tout peut arriver, la plupart du temps le nuage de points est extrêmement dégénéré.
2. Les paramètres intrinsèques décrivent comment les points 3D sont projetés sur l'image 2D. Ainsi, si vous avez des paramètres intrinsèques incorrects, votre nuage de points est déformé par une transformation linéaire (en supposant qu'il y ait une distorsion radiale/tangentielle négligeable ou une distorsion d'ordre supérieur, respectivement).

Il y a beaucoup de bonne littérature couvrant le sujet de la reconstruction 3D et stéréo. L'un des plus importants d'entre eux est le livre "Multiple View Geometry" de Richard Hartley et Andrew Zisserman.