通俗點就是先拍照，然後計算每張照片的相機參數，再從這些照片和參數中重建照片中場景的三維幾何結構，最後對重建結果進行微調。
在本文中，我介紹前兩部分:1。如何獲得圖像；2.相機投影模型。
在多視點立體(MVS)場景中，我們通常在三種情況下獲取照片:
壹般的技術是先在實驗室玩(因為實驗室的光照條件是完全可控的)，然後在室外小範圍嘗試，最後在大規模數據上測試。這也符合壹般的科學認識和探索過程。早期的MVS技術也是如此。
這些技術從實驗室招數到實際運用主要得益於兩點:1。硬件升級；2.“運動到結構”算法的改進。
這裏“運動到結構”是我的直譯，比較簡單粗暴。英文原文是Sturcture from Motion，縮寫為SfM。
我先說第壹點，就是硬件上的提升。其實這是大家有目共睹的。現在內存已經輕松達到128G，很多CPU都是6核且每個核都是雙線程，硬盤基本都是4T以上。再來說說手機和相機。手機在這10年裏被翻了個底朝天。10年以前，諾基亞6120C還在使用。現在基本都是用最新版的iphone。我不需要說區別。相機在這方面的提升也是很大的，首先是因為傳感器質量的提升，像素尺寸有所提升，另外因為存儲卡容量的提升，存儲更加方便。其實這些硬件升級比起顯卡上的升級簡直是小菜壹碟。從12開始，英偉達公司不僅滿足了深度學習熱潮的需求，也為深度學習熱潮做出了很大貢獻。難怪NVIDIA的老板(他是臺灣省人，和我老板的壹個朋友關系很好)在計算機視覺的峰會上總是對我們微笑。估計從心底裏，我們也是給英偉達帶分紅不拿錢的業務員。
這些硬件的改進使得SfM技術和MVS技術可以輕松處理數百萬幅圖像，從而實現城市群尺度，甚至全國尺度和全球尺度的三維重建。
在三維重建技術這方面，研究人員已經努力了很多年，但直到最近這種實用技術才能應用於大規模工業領域。這得益於兩種技術的發展，壹種是SfM技術，另壹種是非常實用的同步定位與地圖繪制(SLAM)技術。SLAM技術的應用範圍很廣，比如掃地機器人使用的SLAM技術。
原相機型號為針孔相機，維基百科對針孔相機的介紹如下:
要想深入研究針孔攝像機模型，需要了解幾個關鍵的坐標系:世界坐標系W、攝像機坐標系C、圖像坐標系I、傳感器坐標系s，這四個坐標系雖然不同，但是可以轉換。實際物體在世界坐標系W中，假設這個物體上有壹個點x-W，那麽這個點x-W在攝像機坐標系C中的位置x-C就可以通過W到C的變換得到，同樣，我們也可以得到x-W在圖像坐標系I上的位置x-I和在傳感器坐標系S上的位置x-S。
下圖是壹個簡單的針孔攝像頭模型。
對於單相機成像系統，我們壹般認為世界坐標系W和相機坐標系C是相同的，即在這兩個系統中，物體上的點X在W和C上的位置是相同的，即X-W = X-C，但對於多相機成像系統，我們認為W與每個Ci是不同的(Ci是第壹個相機成像系統)。
當然，對於廣角相機來說，世界坐標系和相機坐標系也是不同的。例如，如下圖:
對於上圖中的左上角，由於廣角相機看到的範圍較大，所以圖像的每壹部分都會失真，比如中間部分放大，周圍部分縮小。那麽我們在還原的時候，會把中間部分按比例縮小，同時把周圍放大，從而得到圖像中場景的正常透視，也就是非廣角相機拍攝的畫面。
相機的另壹個問題，滾動快門效應，與快門速度和相機傳感器的存儲模式有關。壹般傳感器是逐行存儲入射光所包含的場景信息，但如果快門太快，那麽上壹行像素和下壹行像素存儲的信息就不匹配。比如妳微笑的那壹刻，上面壹行像素存儲的是妳的嘴唇，而下面壹行像素捕捉的是妳的微笑。如果這個現象不是特別直觀，可以看這個鏈接的動畫:/2017/06/30/rolling-shutter-effect-works/。
PS。從這篇文章開始，我換了壹本書研究3D重建。這個多視角立體:教程有點亂。朋友推薦我學習基督教W？由hler撰寫的《3D計算機視覺:有效的方法和應用》壹書。希望用通俗易懂的語言給大家解釋這本書。