admin的博客

注释中的内容说明了cameras的数量，然后每一行依次是：相机id、相机模型、宽、高、相机参数(不同的相机参数不同)相机坐标系P_c点 - > 世界坐标系P_w: P_w = R^t \cdot (P_c -C)就是3D点投影回2D的时候和实际检测到的角点的误差(世界坐标系P_w点 ->相机坐标系P_c：P_c = R \cdot(P_w - t)世界坐标系中的相机中心坐标：C = -R^t \cdot t。宽、高是相机传感器的参数，决定了拍摄出的图片的尺寸，中记录的对应的2D图像的角点的索引。

从不同的视角拍摄图像。同时，尽量从相对相似的视角获取足够的图像。避免完全无纹理的图像（例如，纯白的墙壁或空桌子）。如果场景本身没有足够的纹理，您可以放置额外的背景物品，比如海报等。使用融合点云的深度和法线信息，诸如（屏幕）泊松表面重建算法 [kazhdan2013] 等技术可以恢复场景的3D表面几何形状。避免高动态范围的场景（例如，逆光拍摄带有阴影的照片或透过门窗拍摄的照片）。操作软件的时候也是按照这三个部分来的，先提取特征(看样子是SIFT角点检测类的算法)、然后特征匹配和集合验证，最后是重建。