SFM（structure-from-motion）算法是一种基于各种收集到的无序图片进行三维重建的离线算法。顾名思义是从运动中（不同时间拍摄的图片集）恢复物体的三维结构，这需要估计出图片的R,t，结合相机内参重建稀疏点云。其实现过程如下：

1.特征检测

对于特征检测这一步，使用的是具有尺度和旋转不变性的SIFT描述子,其鲁棒性较强，适合用来提取尺度变换和旋转角度的各种图片特征点信息，其准确性强。

2.特征匹配

匹配和建立track,图像对两两匹配,一般采用欧式距离。当距离小于一定阈值的时候就认为匹配成功,但是误匹配也比较多,需要采取多种手段剔除:

• 如果最近距离与次近距离的比值大于某个阈值,应该剔除
• 对匹配点采用采样一致性算法RANSAC八点法计算基础矩阵,剔除不满足基础矩阵的匹配对

3.已知多对匹配点对，求解相机之间的本质矩阵E。

4.R，t求解

本质矩阵分解为R和T（SVD分解），存在4种可能的解，寻找正确的解。

5.三角化

已经知道了两个相机之间的变换矩阵(R和T)，还有每一对匹配点的坐标，通过这些已知信息还原匹配点在空间当中的坐标。

6.计算第三个摄像机到到世界坐标系的变换矩阵(R和T)

问题1：如果沿用双目重建的方法，即在第三幅图像和第一幅图像之间提取特征点，那么加入第四幅、第五幅，乃至更多呢？随着图像数量的增加，新加入的图像与第一幅图像的差异可能越来越大，特征点的提取变得异常困难。

问题2：如果用新加入的图像和相邻图像进行特征匹配呢，比如第三幅与第二幅匹配，第四幅与第三幅匹配，然后间接求得与第一幅的变换。但通过这种方式，你只能求出相机三到相机一的旋转变换（旋转矩阵R），而他们之间的位移向量T，是无法求出的。这是因为上面两个函数求出的位移向量，都是单位向量，丢失了相机之间位移的比例关系。

解决办法：首先，使用双目重建的方法，对头两幅图像进行重建，这样就得到了一些空间中的点，加入第三幅图像后，使其与第二幅图像进行特征匹配，这些匹配点中，肯定有一部分也是图像二与图像一之间的匹配点，也就是说，这些匹配点中有一部分的空间坐标是已知的，同时又知道这些点在第三幅图像中的像素坐标，就可以求解PnP了，然后就可以得到第三个相机的空间位置。由于空间点的坐标都是世界坐标系下的（即第一个相机的坐标系），所以由solvePnP求出的相机位置也是世界坐标系下的，即相机三到相机一的变换矩阵。

7.加入更多图像

通过上面的方法得到相机三的变换矩阵后，就可以对图像三和图像二之间的匹配点三角化，得到其空间坐标。为了使之后的图像仍能使用以上方法求解变换矩阵，我们还需要将新得到的空间点和之前的三维点云融合。已经存在的空间点，就没必要再添加了，只添加在图像二和三之间匹配，但在图像一和图像三中没有匹配的点。如此反复。

参考：
https://blog.csdn.net/lpj822/article/details/82716971
https://blog.csdn.net/qq_42399848/article/details/89348740
https://blog.csdn.net/u014636245/article/details/77527627
https://blog.csdn.net/qq_33826977/article/details/79834735