matlab sfm三维重建案例

这是我参考matlab案例库编写的三维重建代码，跳过稀疏重建，添加了颜色，有注释，能实现较为稠密的三维点云。附带图片。新手可以下载来看看。

%% sfm
%读取图像
clc;
clear all;
imageDir = fullfile（‘D:‘‘picture‘‘hezi01‘）;
imds = imageDatastore（imageDir）;
load（‘calibrationSession‘）;
cameraParams = calibrationSession.CameraParameters;

%% 创建图像和追踪
% 创建第一幅图像
images = cell（1 numel（imds.Files））;

for i = 1:numel（imds.Files） % 图片的数量
    I = readimage（imds i）;
    images{i} = rgb2gray（I）; 
end

%% 稠密重建
% 遍历图像，在所有视图中检测一组密集点
I = images{1};
prevPoints = detectMinEigenFeatures（I ‘MinQuality‘ 0.001‘FilterSize‘ 3）;
% prevPoints = detectSURFFeatures（I‘MetricThreshold‘5‘NumScaleLevels‘6）;
% prevPoints = detectKAZEFeatures（I‘Diffusion‘‘region‘‘Threshold‘...
% 0.00001‘NumOctaves‘4‘NumScaleLevels‘5）;
% 创建点跟踪器对象来跟踪视图中的点。
tracker = vision.PointTracker（‘MaxBidirectionalError‘ 1 ‘NumPyramidLevels‘...
6‘BlockSize‘[3131]）;
% 初始化点跟踪器。
PrevPoints = prevPoints.Location;
initialize（tracker PrevPoints I）;

I1 = readimage（imds 1）;% 读取第1张图片
I2 = images{2}; % 用于后面颜色
[currPoints validIdx] = step（tracker I2）;
matchedPoints = PrevPoints（validIdx :）;

% 将密集点存储在视图集中。
vSet = viewSet;
viewId = 1;
vSet = addView（vSet viewId ‘Points‘ prevPoints ‘Orientation‘ ...
    eye（3 ‘like‘ PrevPoints） ‘Location‘ ...
    zeros（1 3 ‘like‘ PrevPoints））;

% 跟踪所有视图的要点
for i = 2:numel（images）
    % Read and undistort the current image.
    I = images{i};
    
    [currPoints validIdx] = step（tracker I）;
    
    matchedPoints1 = PrevPoints（validIdx :）;
    matchedPoints2 = currPoints（validIdx :）;
    
    [E epipolarInliers] = estimateEssentialMatrix（matchedPoints1...
    matchedPoints2cameraParams）;
    %警告：已达到最大审判次数。考虑增加最大距离或降低期望的信心。

    inlierPoints1 = matchedPoints1（epipolarInliers :）;
    inlierPoints2 = matchedPoints2（epipolarInliers :）;
    
    [orient loc] = relativeCameraPose（E cameraParams... 
    inlierPoints1inlierPoints2）;
    
    % 将当前视图匹配添加到视图集
    vSet = addView（vSet i ‘Points‘ currPoints）;
    % 存储上一个视图和当前视图之间的点匹配。
    
    matches = repmat（（1:size（PrevPoints 1））‘ [1 2]）;
    matches = matches（validIdx :）; 
    vSet = addConnection（vSet i-1 i ‘Matches‘matches）;
    % 因为储存的点为PrevPoints和currPoints，要变成 matchedPoints1，2的对应关系。
    % 获取包含前一个相机姿势的表。
    prevPose = poses（vSet i-1）;
    prevOrientation = prevPose.Orientation{1};
    prevLocation = prevPose.Location{1};
    % 计算当前相机在全局坐标系中相对于第一个视图的姿态。
    orientation = orient * prevOrientation;
    location    = prevLocation + loc * prevOrientation;
    vSet = updateView（vSet i ‘Orientation‘ orientation ‘Location‘ location）;
    % 在所有视图中查找轨迹
    tracks = findTracks（vSet）;
    % 得到所有视角的相机姿态表
    camPoses = poses（vSet）;
    
    % 确定三维世界点的初始位置。
    xyzPoints = triangulateMultiview（tracks camPoses cameraParams）;
     
    % 改进三维世界点和相机的姿势.（光束平差法）
    [xyzPoints camPoses reprojectionerrors] = bundleAdjustment（xyzPoints ...
        tracks camPoses cameraParams ‘FixedViewId‘ 1 ...
        ‘PointsUndistorted‘ true）;
    % 保存

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    4717878  2018-11-21 10:51  box\IMG_20181119_130658.jpg

     文件    4846307  2018-11-21 10:52  box\IMG_20181119_130659.jpg

     文件    4793150  2018-11-21 10:51  box\IMG_20181119_130703.jpg

     文件    4631615  2018-11-21 10:51  box\IMG_20181119_130706.jpg

     文件    4574597  2018-11-21 10:51  box\IMG_20181119_130708.jpg

     文件    4791546  2018-11-21 10:51  box\IMG_20181119_130711.jpg

     文件    4426695  2018-11-21 10:51  box\IMG_20181119_130712.jpg

     文件    4790101  2018-11-21 10:51  box\IMG_20181119_130714.jpg

     文件    4677665  2018-11-21 10:51  box\IMG_20181119_130716.jpg

     文件    4849614  2018-11-21 10:51  box\IMG_20181119_130720.jpg

     文件    5214150  2018-11-21 10:51  box\IMG_20181119_130722.jpg

     文件    5156172  2018-11-21 10:51  box\IMG_20181119_130724.jpg

     文件    4804266  2018-11-21 10:51  box\IMG_20181119_130726.jpg

     文件    4802396  2018-11-21 10:51  box\IMG_20181119_130728.jpg

     文件    4868926  2018-11-21 10:51  box\IMG_20181119_130730.jpg

     文件    4953662  2018-11-21 10:51  box\IMG_20181119_130732.jpg

     文件       4304  2018-12-08 13:00  sfm_ex3.m

     目录          0  2018-11-30 10:36  box

----------- ---------  ---------- -----  ----

             76903044                    18