文档帮助中心文档

结构与运动

多视图三维重建

来自运动的结构(SfM)是从一组二维图像中估计场景的三维结构的过程。有关详细信息，请参见视觉大满贯概述．

应用程序

相机校准器	估计单个相机的几何参数
立体相机校准器	立体相机几何参数的估计

功能

检测功能

`detectBRISKFeatures`	检测轻快特征和返回`BRISKPoints`对象
`detectFASTFeatures`	使用FAST算法检测角点并返回`cornerPoints`对象
`detectHarrisFeatures`	使用Harris-Stephens算法检测角点并返回`cornerPoints`对象
`detectMinEigenFeatures`	用最小特征值算法检测角点并返回`cornerPoints`对象
`detectMSERFeatures`	检测MSER特征并返回`MSERRegions`对象
`detectSURFFeatures`	检测SURF特征并返回`SURFPoints`对象

匹配功能

`extractFeatures`	提取兴趣点描述符
`matchFeatures`	找到匹配的特性
`matchFeaturesInRadius`	在指定的半径内寻找匹配的特征
`愿景。PointTracker`	利用kade - lucas - tomasi (KLT)算法跟踪视频点

估计三维结构

存储图像和相机数据

`imageviewset`	管理数据的结构从运动，视觉里程计，和视觉SLAM
`worldpointset`	管理3-D到2-D的点通信
`cameraIntrinsics`	对象，用于存储相机的内部参数
`rigid3d`	三维刚性几何变换
`affine3d`	三维仿射几何变换

估计相机带来

`estimateEssentialMatrix`	从一对图像中对应的点估计本质矩阵
`estimateFundamentalMatrix`	从立体图像中对应的点估计基本矩阵
`estimateWorldCameraPose`	从3-D到2-D的点对应估计相机的姿态
`relativeCameraPose`	计算相机姿态之间的相对旋转和平移

由三角形组成的图像分

`pointTrack`	对象，用于存储来自多个视图的匹配点
`findTracks`	在多个视图中查找匹配点
`由三角形组成的`	立体图像中未畸变匹配点的三维位置
`triangulateMultiview`	世界点的三维位置在多个图像上匹配

优化相机姿态和三维点

`bundleAdjustment`	改进相机的姿态和3d点
`bundleAdjustmentMotion`	使用仅运动束调整优化相机姿态
`bundleAdjustmentStructure`	使用仅结构束调整来细化三维点

可视化的结果

`stereoAnaglyph`	从立体图像对创建红青色浮雕
`pcshow`	绘制三维点云
`plotCamera`	在三维坐标中绘制一个摄像机
`showMatchedFeatures`	显示相应特征点

转换

`rotationMatrixToVector`	转换3-D旋转矩阵为旋转向量
`rotationVectorToMatrix`	转换三维旋转矢量到旋转矩阵

主题

相机校准应用

单摄像头校准应用

估计相机的内在，外在，和镜头畸变参数。

立体相机校准应用

校准立体相机，你可以用它来从图像中恢复深度。

视觉里程计

单眼视觉测程法

通过分析图像序列来确定相机的位置和方向。

单目视觉同步定位与绘图

视觉同步定位和绘图(vSLAM)。

基础知识

坐标系统

指定像素索引、空间坐标和三维坐标系统

点特征类型

为几种类型的特性选择返回和接受点对象的函数

局部特征检测与提取

学习局部特征检测和提取的好处和应用

运动结构概述

从二维图像序列估计三维结构

视觉大满贯概述

理解视觉同步定位和绘图(SLAM)工作流程。

特色的例子

单目视觉同步定位与绘图

单目视觉同步定位与绘图

视觉同步定位和绘图(vSLAM)。

打开生活的脚本

结构从多视图运动

结构从多视图运动

来自运动的结构(SfM)是从一组2-D视图估计场景的3-D结构的过程。它被用于许多应用，如机器人导航、自动驾驶和增强现实。这个例子向您展示了如何从一系列视图中估计校准相机的姿态，并重建场景的3-D结构，直到未知的比例因子。

打开生活的脚本

运动中的结构，两种观点

运动中的结构，两种观点

从一组2-D图像估计场景的3-D结构。

打开生活的脚本

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书