在MATLAB中我计算了 基本矩阵 （使用标准化的两个图像） 八点算法。从那我需要 三角 3D空间中的相应图像点。根据我的理解，要做到这一点，我需要旋转和翻译图像的相机。最简单的方法当然是 校准相机 首先拍摄图像，但这对我的应用来说太紧张了，因为它需要这个额外的步骤。
所以这让我失望了 自动（自拍）相机校准。我看到提到了 捆绑调整但是在 邀请3D视觉 它似乎需要初始平移和旋转，这让我觉得需要校准相机或我的理解不足。
所以我的问题是如何自动提取旋转/平移，以便我可以将图像点重新投影/三角测量到3D空间。任何MATLAB代码或伪代码都会很棒。
您可以使用基本矩阵恢复相机矩阵并从图像中对3D点进行三角测量。但是，你必须意识到你将获得的重建将是一个投射重建，而不是欧几里德重建。如果你的目标是测量原始场景中的投影不变量，例如交叉比率，线交点等，这很有用，但它不足以测量角度和距离（你必须为此校准相机）。
如果您有权访问 哈特利和齐瑟曼的教科书，你可以查看9.5.3节，你会发现你需要从基本矩阵到一对相机矩阵，你可以计算一个投影重建（我相信相同的内容出现在Yi Ma的书第6.4节） ）。自从 该书算法的源代码可在线获取，您可能需要检查函数vgg_P_from_F，vgg_X_from_xP_lin和vgg_X_from_xP_nonlin。
您可以使用基本矩阵恢复相机矩阵并从图像中对3D点进行三角测量。但是，你必须意识到你将获得的重建将是一个投射重建，而不是欧几里德重建。如果你的目标是测量原始场景中的投影不变量，例如交叉比率，线交点等，这很有用，但它不足以测量角度和距离（你必须为此校准相机）。
如果您有权访问 哈特利和齐瑟曼的教科书，你可以查看9.5.3节，你会发现你需要从基本矩阵到一对相机矩阵，你可以计算一个投影重建（我相信相同的内容出现在Yi Ma的书第6.4节） ）。自从 该书算法的源代码可在线获取，您可能需要检查函数vgg_P_from_F，vgg_X_from_xP_lin和vgg_X_from_xP_nonlin。
我认为Peter的matlab代码对你很有帮助：
http://www.csse.uwa.edu.au/~pk/research/matlabfns/
彼得发布了许多基本矩阵解决方案。 zisserman书中提到了原始算法
此外，当你在它时，不要忘记看到基本的矩阵歌曲：
http://danielwedge.com/fmatrix/
我诚实的意见中的一个很好的组成！
如果您的3D空间可以任意选择，您可以将您的第一个相机矩阵设置为
P = [I | 0]
没有翻译，没有轮换。这将为您提供从摄像机1定义的坐标系。然后校准第二台摄像机应该不会太难。