聚焦型光場相機(jī)等效多相機(jī)模型及其運(yùn)動恢復(fù)結(jié)構(gòu)應(yīng)用

1引言光場相機(jī)能夠同時捕捉光線的空間分布和角度分布信息，進(jìn)而可以記錄場景的深度信息，這使得光場相機(jī)能夠應(yīng)用于三維重建、速度距離測量以及運(yùn)動恢復(fù)結(jié)構(gòu)(SFM)等諸多領(lǐng)域。相比于非聚焦型光場相機(jī)，聚焦型光場相機(jī)可以在相似的相機(jī)配置條件下實(shí)現(xiàn)更高的深度計算精度，因此更適用于運(yùn)動恢復(fù)結(jié)構(gòu)(SFM)等領(lǐng)域。運(yùn)動恢復(fù)結(jié)構(gòu)(SFM)的主要研究內(nèi)容是從一個移動相機(jī)拍攝得到的一系列二維圖像中恢復(fù)相機(jī)姿態(tài)和場景結(jié)構(gòu)。很多學(xué)者在SFM領(lǐng)域做了大量研究。目前較為流行的是Schonberger等提出的COLMAP方法。但是這些方法僅適用于針孔相機(jī)，難于直接應(yīng)用于聚焦型光場相機(jī)。近幾年，很多學(xué)者提出了適用于非聚焦型光場相機(jī)的SFM方法。Johannsen等首次提出了適用于光場相機(jī)的SFM算法—LF-SFM。Zhang等提出了基于直線和平面特征的SFM流程。Nousias等提出了基于大規(guī)模無序排列的非聚焦型光場圖像集合的場景重建算法。但是由于聚焦型光場相機(jī)和非聚焦型光場相機(jī)的結(jié)構(gòu)和參數(shù)不同，聚焦型光場相機(jī)無法像非聚焦型光場相機(jī)那樣便捷地提取子孔徑圖像，因此非聚焦型光場相機(jī)的SFM方法并不能直接應(yīng)用于聚焦型光場相機(jī)。為此，Zeller等提出了適用于聚焦型光場相機(jī)的場景重建算法，分析了聚焦型光場相機(jī)等效多目相機(jī)模型中相機(jī)的空間位置。但是該方法在計算相機(jī)位姿過程中，將光場相機(jī)退化為針孔相機(jī)模型，且利用全聚焦圖像對準(zhǔn)來進(jìn)行光場相機(jī)的位姿估計，故沒有充分利用多目相機(jī)模型相比于針孔模型的優(yōu)勢，并且Zeller等并沒有給出完整的聚焦型光場相機(jī)等效多目相機(jī)模型，尤其是沒有給出每個子相機(jī)的內(nèi)參矩陣。本文針對聚焦型光場的SFM問題，提出了完整準(zhǔn)確的聚焦型光場相機(jī)的等效多目相機(jī)模型。并基于等效多目相機(jī)模型，利用多目相機(jī)的SFM方法，給出了適用于聚焦型光場相機(jī)的位姿估計方法和點(diǎn)云三角化方法。最后，通過仿真實(shí)驗(yàn)和真實(shí)場景重建實(shí)驗(yàn)驗(yàn)證了本文等效模型的正確性，證實(shí)了位姿估計方法和點(diǎn)云三角化方法的有效性，進(jìn)而表明聚焦型光場相機(jī)SFM問題可以等效為多目相機(jī)SFM問題。2聚焦型光場相機(jī)基本概念2.1相機(jī)結(jié)構(gòu)聚焦型光場相機(jī)可以劃分為均一焦距的聚焦型光場相機(jī)和多焦距聚焦型光場相機(jī)。本研究以多焦距聚焦型光場相機(jī)為例進(jìn)行說明，因?yàn)榫唤咕嗫梢砸暈槎嘟咕嗟奶乩＞劢剐凸鈭鱿鄼C(jī)的成像平面可以位于微透鏡陣列(MLA)的前側(cè)或者后側(cè)，前者對應(yīng)開普勒結(jié)構(gòu)，后者對應(yīng)伽利略結(jié)構(gòu)，如圖1所示。目前的商用聚焦型光場相機(jī)(例如:Raytrix公司)多采用伽利略結(jié)構(gòu)，其通過使用3類不同焦距的微透鏡來增加景深范圍。圖1多焦距聚焦型光場相機(jī)結(jié)構(gòu)示意。(a)開普勒結(jié)構(gòu);(b)伽利略結(jié)構(gòu)2.2坐標(biāo)系建立為了方便后續(xù)的描述，首先建立坐標(biāo)系，并對相關(guān)符號進(jìn)行說明。光場相機(jī)坐標(biāo)系OXYZ的中心選在主透鏡的中心位置O點(diǎn)，其Z軸方向與相機(jī)光軸重合，方向朝外。圖像坐標(biāo)系ouv的坐標(biāo)原點(diǎn)選在傳感器的左上角o點(diǎn)。具體的坐標(biāo)系示意圖如圖2所示，圖中fL為主透鏡的焦距(mm)，b為傳感器相對于主透鏡的位移(mm)，B表示傳感器相對于MLA的位移(mm)。值得注意的是，這里fL為正數(shù)，而b和B為負(fù)數(shù)。

圖2光場相機(jī)坐標(biāo)系建立2.3光場相機(jī)標(biāo)定在計算聚焦型光場相機(jī)等效多目相機(jī)模型的具體參數(shù)之前，需要得到聚焦型光場相機(jī)的具體相機(jī)標(biāo)定參數(shù)。本研究采用Bok等提出的光場相機(jī)內(nèi)參{fx，fy，cu，cv，K1，K2}。這些內(nèi)參和本文相機(jī)模型中參數(shù)的具體對應(yīng)關(guān)系為式中:fx和fy分別為x和y方向的像素焦距;(sx，sy)為傳感器上像素的物理尺寸;(cu，cv)表示主鏡頭的中心O點(diǎn)在ouv中的像素坐標(biāo);K1，K2為光場相機(jī)區(qū)別于針孔相機(jī)的相機(jī)參數(shù)。3聚焦型光場相機(jī)等效多目相機(jī)模型聚焦型光場相機(jī)本質(zhì)上可以等價為多目相機(jī)陣列。假定在物空間存在物點(diǎn)P，其在相機(jī)坐標(biāo)系OXYZ內(nèi)的坐標(biāo)為(Px，Py，Pz)，那么根據(jù)薄透鏡成像公式，P點(diǎn)對應(yīng)的像點(diǎn)Q的坐標(biāo)滿足Qz=，(3)式中:Qz為Q點(diǎn)在相機(jī)坐標(biāo)系OXYZ中的Z軸坐標(biāo)值。進(jìn)一步，將微透鏡中心位置看作成像點(diǎn)，并根據(jù)薄透鏡成像公式將微透鏡中心坐標(biāo)投影到真實(shí)空間中，進(jìn)而得到Lz=，(4)式中:Lz為微透鏡中心投影后位置在OXYZ中的Z軸坐標(biāo)值。將所有投影后的微透鏡看作子相機(jī)的主鏡頭，就可以將聚焦型光場相機(jī)等效變換為虛擬的相機(jī)陣列。根據(jù)MLA平面距離主透鏡的距離b-B和主透鏡焦距fL的關(guān)系，可得Lz的取值有正負(fù)之分。因此可以得到圖3所示兩種等效多相機(jī)模型，即fL>|b-B|和fL<|b-B|兩種情況。圖3等效多目相機(jī)模型。(a)fL>|b-B|;(b)fL<|b-B|3.1子相機(jī)位置姿態(tài)在完成相機(jī)標(biāo)定后，可以根據(jù)相機(jī)內(nèi)參來確定等效多目相機(jī)模型中的子相機(jī)的物理空間位置和姿態(tài)。根據(jù)相似三角形關(guān)系，可以得到子相機(jī)中心坐標(biāo)(Lx，Ly，Lz)和ouv下微透鏡中心坐標(biāo)(lu，lv)的關(guān)系為根據(jù)(2)式中K1和K2，結(jié)合(4)式，可以得到Lz=-K2/K1。進(jìn)一步由(5)式可得

根據(jù)相似三角形關(guān)系，可以得到微透鏡中心像素坐標(biāo)(lu，lv)和微透鏡圖像中心像素坐標(biāo)(iu，iv)的關(guān)系為

根據(jù)(1)式、(6)式和(7)式可以得到虛擬相機(jī)陣列中每個子相機(jī)中心在OXYZ中的坐標(biāo)為

除了子相機(jī)的中心位置，子相機(jī)的朝向也是需要確定的重要參數(shù)。由于MLA平面的所有微透鏡共面且朝向統(tǒng)一，因此投影后得到的子相機(jī)中心位置也符合共面特性，且每個子相機(jī)的朝向相同。每個子相機(jī)的朝向與聚焦型光場相機(jī)的朝向保持一致。在此基礎(chǔ)上，建立子相機(jī)的相機(jī)坐標(biāo)系O'JKL，如圖4所示，其坐標(biāo)系中心選在子相機(jī)的中心位置，坐標(biāo)軸方向與相機(jī)坐標(biāo)系OXYZ的坐標(biāo)軸方向相同，與此同時，建立投影傳感器的像素坐標(biāo)系o'mn。對于空間內(nèi)任意一個點(diǎn)P，令其在相機(jī)坐標(biāo)系OXYZ內(nèi)坐標(biāo)為(Px，Py，Pz)，那么P在某一子相機(jī)坐標(biāo)系O'JKL內(nèi)的坐標(biāo)(Pj，Pk，Pl)為

這樣就得到了子相機(jī)坐標(biāo)O'JKL相對于相機(jī)坐標(biāo)系OXYZ的變換關(guān)系。

圖4子相機(jī)坐標(biāo)系建立示意圖3.2子相機(jī)內(nèi)參矩陣為了得到完整的多相機(jī)等效模型，需要推導(dǎo)出每個子相機(jī)的內(nèi)參矩陣。根據(jù)Bok等的工作，原始圖上像素點(diǎn)p在標(biāo)定后可以換算為相機(jī)外真實(shí)空間中的一根光線，該光線在OXYZ坐標(biāo)系中的方向向量(rx，ry，1)和點(diǎn)p在ouv中的坐標(biāo)(pu，pv)的關(guān)系為假定點(diǎn)P是和像素點(diǎn)p相關(guān)的三維空間點(diǎn)，并用(Pj，Pk，Pl)表示P點(diǎn)在子相機(jī)坐標(biāo)系O'JKL中的坐標(biāo)，那么(Pj，Pk，Pl)和光線方向向量(rx，ry，1)的關(guān)系為

根據(jù)(10)式，(11)式變?yōu)?/p>

(12)

式反映了(Pj，Pk，Pl)和原始圖中特征坐標(biāo)(pu，pv)的關(guān)系。為進(jìn)一步得到(Pj，Pk，Pl)和子相機(jī)圖像內(nèi)特征坐標(biāo)的關(guān)系，首先確定投影后傳感器的位置，并建立子相機(jī)圖像坐標(biāo)系o″αβ。

圖5子相機(jī)圖像和微透鏡圖像的對應(yīng)關(guān)系通過圖5可以看出，投影后傳感器上的圖像形狀和原始圖上的微透鏡圖像形狀是一致的。為了方便描述，本研究取投影后傳感器和投影后MLA之間的間距為單位1，同時令投影后傳感器的像素分辨率和原始圖分辨率保持一致。假設(shè)微透鏡圖像中任意一點(diǎn)p在坐標(biāo)系ouv下的坐標(biāo)為(pu，pv)，并且p點(diǎn)對應(yīng)的微透鏡圖像中心i點(diǎn)坐標(biāo)為(iu，iv)。令(pm，pn)和(im，in)表示p點(diǎn)和i點(diǎn)在投影后傳感器上對應(yīng)位置在坐標(biāo)系o'mn下的坐標(biāo)，則三者滿足

為了更清晰地進(jìn)行后續(xù)描述，建立子相機(jī)的圖像坐標(biāo)系o″αβ，如圖6所示。對于o'mn中的特征坐標(biāo)(pm，pn)，其在o″αβ中的坐標(biāo)(pα，pβ)為

式中:rmi為微透鏡圖像的像素半徑，其在數(shù)值上等于投影后子相機(jī)圓形圖像的像素半徑。根據(jù)(12)~(14)式，可以得到從(Pj，Pk，Pl)到(pα，pβ)的變換關(guān)系，即

式中:H為等效多目相機(jī)中子相機(jī)的內(nèi)參矩陣。值得注意的是，不同位置的子相機(jī)的內(nèi)參矩陣不是固定的，具體的變化體現(xiàn)在內(nèi)參矩陣H需要根據(jù)微透鏡圖像中心坐標(biāo)(iu，iv)的變化而變化。這是由于微透鏡中心和微透鏡圖像中心并不總在一條水平直線上，故導(dǎo)致投影得到的子相機(jī)中心和子相機(jī)圖像中心也并不總是在同一個水平直線上，如圖6所示。

圖6子相機(jī)圖像坐標(biāo)系建立示意圖3.3像素到光線的映射在等效多相機(jī)模型的基礎(chǔ)上，將不同子相機(jī)內(nèi)的特征轉(zhuǎn)換為光線坐標(biāo)，便于使用基于光線的傳統(tǒng)位姿估計算法和點(diǎn)云三角化算法。具體來講，本研究采用普呂克坐標(biāo)來進(jìn)行光線的坐標(biāo)表示。對于中心坐標(biāo)為(Lx，Ly，Lz)的子相機(jī)，令其圖像內(nèi)的像素點(diǎn)p在坐標(biāo)系o″αβ下的坐標(biāo)為(pα，pβ)。根據(jù)(13)式和(14)式，可以得到p點(diǎn)在微透鏡圖像內(nèi)對應(yīng)的特征坐標(biāo)(pu，pv)為

根據(jù)(10)式，可以得到像素坐標(biāo)為(pu，pv)的特征對應(yīng)的光線(相機(jī)外)在聚焦型光場相機(jī)相機(jī)坐標(biāo)系OXYZ下的方向向量為(rx，ry，1)。因?yàn)樵摴饩€必定通過子相機(jī)的中心(Lx，Ly，Lz)，所以光線彎矩(mr1，mr2，mr3)的計算公式為

對于中心坐標(biāo)為(Lx，Ly，Lz)的子相機(jī)，圖像坐標(biāo)為(pα，pβ)的特征點(diǎn)對應(yīng)的特征光線在OXYZ下的普呂克坐標(biāo)為4

基于多目相機(jī)等效模型的SFM方法本研究將聚焦型光場等效為多目相機(jī)陣列。對于多目相機(jī)，更一般的數(shù)學(xué)描述為非中心相機(jī)。這里的非中心相機(jī)指的不是傳統(tǒng)意義上的針孔相機(jī)，而是具有多個光線會聚中心的一般相機(jī)模型。非中心相機(jī)存在一個視點(diǎn)(viewpoint)，所有子相機(jī)相對于視點(diǎn)存在一定的旋轉(zhuǎn)和位移，且每個子相機(jī)都有經(jīng)過自己子相機(jī)中心的光線，具體的示意如圖7所示。在實(shí)際應(yīng)用過程中，非中心相機(jī)被當(dāng)作一個整體看待。

圖7非中心相機(jī)示意圖對于聚焦型光場相機(jī)，其視點(diǎn)位于主鏡頭中心O點(diǎn)，相機(jī)坐標(biāo)系OXYZ即為視點(diǎn)坐標(biāo)系，故3.1節(jié)中的坐標(biāo)系O'JKL即為子相機(jī)坐標(biāo)系。(9)式描述了視角坐標(biāo)系和子相機(jī)坐標(biāo)的位置關(guān)系，(10)式、(17)式和(18)式是將像素特征轉(zhuǎn)化為普呂克坐標(biāo)表示的光線。本節(jié)基于聚焦型光場相機(jī)的等效多目相機(jī)模型，利用非中心相機(jī)的SFM算法給出了適用于聚焦型光場相機(jī)的位姿估計算法和點(diǎn)云三角化算法示例，并以此證明聚焦型光場相機(jī)的SFM問題可以轉(zhuǎn)化為多目相機(jī)的SFM問題。傳統(tǒng)多目相機(jī)的SFM方法可以應(yīng)用于聚焦型光場相機(jī)的SFM問題中。4.1相對位姿估計在SFM過程中，往往要利用兩幀圖像進(jìn)行場景重建初始化，這其中涉及到兩幀圖像之間的相對位姿估計[9]。對于聚焦型光場相機(jī)，這一問題可以劃歸為非中心相機(jī)的相對位姿估計問題。本研究利用聚焦型光場相機(jī)的等效多相機(jī)模型，使用基于RANSAC方法[19]中的17點(diǎn)算法[20]進(jìn)行兩幀聚焦型光場相機(jī)圖像之間的相對位姿估計。具體來講，假定兩幀原始圖具有Nm組匹配的特征點(diǎn)。對于第i組匹配特征點(diǎn)i=1，2，…，Nm，假定其在第1幀有mrel個特征點(diǎn)，在第2幀有nrel個特征點(diǎn)，利用3.3節(jié)的方法可以將所有特征點(diǎn)都換算成由普呂克坐標(biāo)表示的光線，這樣可以得到個匹配的光線對。對于兩幀之間的任意匹配光線，其普呂克坐標(biāo)L1和L2滿足

式中:E為本質(zhì)矩陣;R為兩幀之間的旋轉(zhuǎn)矩陣。假定向量t表示兩幀之間的位移向量，那么本質(zhì)矩陣E在數(shù)值上滿足

式中:t1、t2和t3為向量t的元素分量。將個匹配的光線對作為基于RANSAC方法中17點(diǎn)算法的輸入，可以計算得出從第2幀相機(jī)坐標(biāo)系OXYZ到第1幀相機(jī)坐標(biāo)系OXYZ的變換矩陣R和t。4.2絕對位姿估計在場景重建過程中，基于已有的重建點(diǎn)，對新圖像幀進(jìn)行注冊的問題本質(zhì)上就是絕對位姿估計的問題。根據(jù)聚焦型光場相機(jī)的等效多目模型，其絕對位姿估計問題可以劃歸為非中心相機(jī)的絕對位姿求解問題，即利用nabs個二維點(diǎn)和三維點(diǎn)的對應(yīng)關(guān)系來得到已標(biāo)定非中心相機(jī)的位置和姿態(tài)。在非中心相機(jī)的絕對位姿求解問題上，gP3P算法具有較好的表現(xiàn)，故本研究采用基于RANSAC方法的gP3P算法進(jìn)行絕對位姿估計。在實(shí)際計算過程中，一個空間三維點(diǎn)在原始圖中對應(yīng)多個二維特征點(diǎn)。設(shè)共計有Nabs個三維特征點(diǎn)可以在當(dāng)前幀中找到匹配的二維特征，對于第j個三維特征點(diǎn)(j=1，2，…，Nabs)，在原始圖中存在njabs個二維特征點(diǎn)與之對應(yīng)，這樣共計存在個二維點(diǎn)-三維點(diǎn)的對應(yīng)關(guān)系。將所有二維點(diǎn)-三維點(diǎn)的對應(yīng)關(guān)系作為基于RANSAC[19]的gP3P算法[21]的輸入，就可以計算得到當(dāng)前幀相對于三維點(diǎn)所在世界坐標(biāo)系的絕對位置姿態(tài)。本研究在具體實(shí)現(xiàn)過程，利用文獻(xiàn)[18]中公開的OpenGV代碼庫中的代碼實(shí)現(xiàn)。4.3點(diǎn)云三角化在得到圖像幀位置姿態(tài)后，需要根據(jù)兩幀圖像的匹配特征通過三角化算法計算出空間三維點(diǎn)在世界坐標(biāo)系的坐標(biāo)。具體來講，對于一個任意的空間三維點(diǎn)，假設(shè)其在第1幀聚焦型光場相機(jī)原始圖中具有mtri個匹配特征點(diǎn)，在第2幀中具有ntri個匹配特征點(diǎn)，那么根據(jù)聚焦型光場相機(jī)的多目等效模型，可知該問題可以等效為多視角(mtri+ntri視角)三角化問題，其中每個相機(jī)的內(nèi)參矩陣可以通過(15)式得到，子相機(jī)的物理位置可以通過(8)式得到。本研究利用DLT算法得到重建的三維點(diǎn)，并進(jìn)一步利用Levenberg-Marquardt非線性優(yōu)化算法優(yōu)化重投影誤差，進(jìn)而優(yōu)化三維重建點(diǎn)的坐標(biāo)。5

實(shí)驗(yàn)與驗(yàn)證為了驗(yàn)證本文等效多目相機(jī)模型和SFM算法的正確性，進(jìn)行相應(yīng)的仿真和真實(shí)實(shí)驗(yàn)。實(shí)驗(yàn)代碼在win7操作系統(tǒng)上的MATLAB軟件上運(yùn)行。實(shí)驗(yàn)所用計算機(jī)的CPU為英特爾公司的i7-7700(3.6GHz)。本研究首先通過仿真實(shí)驗(yàn)驗(yàn)證本文等效模型的正確性。具體的聚焦型光場相機(jī)仿真參數(shù)如表1所示。傳感器的分辨率為3000pixel×2000pixel。根據(jù)表1仿真參數(shù)可以計算出相機(jī)內(nèi)參{fx，fy，cu，cv，K1，K2}的具體取值，如表2所示。表2聚焦型光場相機(jī)標(biāo)定內(nèi)參取值根據(jù)表2所示的仿真參數(shù)以及(8)式，可以得到等效相機(jī)陣列中子相機(jī)的最小物理間距為1.269mm，最遠(yuǎn)的子相機(jī)物理間距能夠達(dá)到140.423mm。等效相機(jī)陣列呈六邊形排布，共計有71×92個子相機(jī)。在仿真相機(jī)的基礎(chǔ)上，測試了相對位姿估計、絕對位姿估計以及點(diǎn)云三角化算法的性能，進(jìn)而驗(yàn)證了等效模型的正確性。隨后，使用Ratyrix公司的R29相機(jī)進(jìn)行真實(shí)場景的拍攝，并基于拍攝的場景進(jìn)行真實(shí)的場景重建實(shí)驗(yàn)。這一真實(shí)實(shí)驗(yàn)進(jìn)一步驗(yàn)證了本文等效相機(jī)模型的正確性，并表明基于多目相機(jī)模型的SFM算法能夠成功應(yīng)用于聚焦型光場相機(jī)的場景重建中。5.1相對位姿仿真測試首先，基于仿真的聚焦型光場相機(jī)，測試4.1節(jié)中的相對位姿估計算法在不同噪聲水平下的性能表現(xiàn)。對于兩幀不同位置的聚焦型光場相機(jī)圖像，令第1幀圖像的相機(jī)坐標(biāo)系OXYZ和世界坐標(biāo)系OwXwYwZw重合，并隨機(jī)產(chǎn)生第2幀圖像的位置。具體來講，從[-0.2m，0.2m]范圍內(nèi)隨機(jī)產(chǎn)生第2幀圖像相對于OwXwYwZw的位移，并在[-18°，18°]的范圍內(nèi)隨機(jī)產(chǎn)生第2幀圖像相對于OwXwYwZw中3個坐標(biāo)軸的旋轉(zhuǎn)角度。與此同時，在距離相機(jī)0.5~8.5m的范圍內(nèi)，隨機(jī)產(chǎn)生200個空間三維點(diǎn)，并將三維點(diǎn)投影到光場原始圖中。對于投影后的二維特征點(diǎn)位置，加入均值為0、均方差為σ的高斯噪聲。實(shí)驗(yàn)中，改變噪聲均方差σ的取值，觀察位姿估計結(jié)果的精度。為了增加實(shí)驗(yàn)的一般性，對每個σ取值，共計進(jìn)行100次獨(dú)立實(shí)驗(yàn)。每次實(shí)驗(yàn)中，第2幀相機(jī)圖像的姿態(tài)和三維點(diǎn)云都隨機(jī)產(chǎn)生。實(shí)驗(yàn)中，衡量相對位姿估計準(zhǔn)確度的評價指標(biāo)為100次獨(dú)立實(shí)驗(yàn)的相機(jī)位移誤差和旋轉(zhuǎn)角度誤差的中值，具體計算結(jié)果如圖8圖8相對位姿估計結(jié)果。(a)位移誤差中值;(b)旋轉(zhuǎn)角度誤差中值從實(shí)驗(yàn)結(jié)果可以看出，基于等效多目相機(jī)模型的相對位姿估計算法具有較好的精度，并且估計精度和噪聲水平大致呈線性關(guān)系，這驗(yàn)證了本文提出的等效多目相機(jī)模型的正確性，也說明該算法能夠有效地解決聚焦型光場相機(jī)的相對位姿估計問題。5.2絕對位姿估計仿真測試在絕對位姿估計仿真實(shí)驗(yàn)中，本研究采用的相機(jī)參數(shù)和仿真參數(shù)與5.1節(jié)中的參數(shù)一致。具體的區(qū)別在于:在絕對位姿估計實(shí)驗(yàn)中，本研究根據(jù)三維空間點(diǎn)和第2幀圖像的二維特征之間的對應(yīng)關(guān)系，計算第2幀圖像在世界坐標(biāo)系中的位置和姿態(tài)，具體的計算結(jié)果如圖9所示。根據(jù)實(shí)驗(yàn)結(jié)果，基于等效多目相機(jī)模型的絕對位姿估計算法具有較好的位姿估計結(jié)果，這再次驗(yàn)證了本文提出的等效多目相機(jī)模型的正確性，也說明該算法能夠有效地解決聚焦型光場相機(jī)的絕對位姿估計問題。5.3點(diǎn)云三角化仿真測試在點(diǎn)云三角化仿真實(shí)驗(yàn)中，本研究采用和5.1節(jié)中相同的仿真條件。具體的區(qū)別在于:點(diǎn)云三角化實(shí)驗(yàn)利用兩幀光場圖像之間的已知位姿和二維特征匹配關(guān)系，來計算對應(yīng)的空間三維點(diǎn)，并通過三維點(diǎn)的空間誤差來衡量點(diǎn)云三角化的精度。實(shí)驗(yàn)中三角化精度的評價指標(biāo)為100次獨(dú)立實(shí)驗(yàn)中重建點(diǎn)云平均誤差的中值，具體的計算結(jié)果如圖10所示。該實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的等效多目相機(jī)模型的正確性，也表明該三角化算法能夠有效地解決聚焦型光場相機(jī)的點(diǎn)云三角化問題。圖9絕對位姿估計結(jié)果。(a)位移誤差中值;(b)旋轉(zhuǎn)角度誤差中值圖10三角化結(jié)果5.4真實(shí)場景重建實(shí)驗(yàn)為了進(jìn)一步驗(yàn)證本文等效多目相機(jī)模型的正確性，進(jìn)行了真實(shí)場景重建實(shí)驗(yàn)。具體來講，使用R29聚焦型光場相機(jī)搭配100mm焦距的主透鏡，拍攝了15張真實(shí)場景的光場圖像。實(shí)驗(yàn)中