%使用| imageDatastore |获取一个数据库中所有图像文件名的列表%目录。imageDir=完整文件（toolboxdir(“愿景”),“visiondata”，．..“structureFromMotion”)；imds=图像数据存储（imageDir）；%显示图像。图蒙太奇（imds.Files，“尺寸”, 3, 2);%将图像转换为灰度。images = cell(1, numel(imds.Files));对于i = 1:numel(imds. files) i = readimage(imds, i);{我}= im2gray图像(i);结束头衔(输入图像序列的);

data =加载(fullfile (imageDir“cameraParams.mat”));cameraParams = data.cameraParams;

%获取相机的内在参数intrinsics=cameraParams.intrinsics；不失真的第一个图像。I=未失真图像（图像{1}，本质）；%检测功能。增加“NumOctaves”有助于检测大规模%高分辨率图像中的功能。使用ROI消除虚假信息%特征围绕图像的边缘。边境= 50;roi = [border, border, size(I, 2)- 2*border, size(I, 1)- 2*border];prevPoints = detectSURFFeatures(我“NumOctaves”8“投资回报率”roi);%提取特征。使用“直立”功能可以提高匹配，只要相机的运动很少或没有涉及到面内旋转。prevFeatures=提取特征（I，prevPoints，“正直”,真正的);%创建一个空的imageviewset对象来管理与每个对象关联的数据%视图。vSet = imageviewset;%添加第一个视图。放置与第一个视图关联的相机%以及沿Z轴定向的原点。viewId = 1;vSet = addView(vSet, viewId, rigid3d，“点”, prevPoints);

对于我= 2:元素个数(图片)%恢复当前图像的失真。I = undistortion timage (images{I}， intrinsics);%检测、提取和匹配特征。currPoints=检测到的特征（I，“NumOctaves”8“投资回报率”，roi）；currFeatures=extractFeatures（I，currPoints，“正直”,真正的);indexPairs = matchFeatures(prevFeatures, currFeatures，．..“最大比率”7,“独一无二”,真正的);%选择匹配点。matchedpoint1 = prevPoints(indexPairs(:， 1));matchedpoint2 = currPoints(indexPairs(:， 2));%估计当前视图相对于前一视图的摄影机姿势。姿势是按比例计算的，这意味着两者之间的距离%前一个视图和当前视图的摄像机设置为1。%这将通过捆束调整进行纠正。[relativeOrient, relativeLoc, inlierIdx] = helperEstimateRelativePose(．..matchedPoints1、matchedPoints2 intrinsic);%获取包含上一个摄影机姿势的表。prevPose = pose (vSet, i-1).AbsolutePose;relPose = rigid3d(relativeOrient, relativeLoc);在全局坐标系中计算当前摄像机的姿态%相对于第一个视图。currPose = rigid3d (relPose。T * prevPose.T);%将当前视图添加到视图集中。vSet=添加视图（vSet，i，currPose，“点”, currPoints);%存储上一个视图和当前视图之间的点匹配。vSet = addConnection(vSet, i-1, i, relPose，“火柴”indexPairs (inlierIdx:));在所有视图中找到点轨迹。轨道=findTracks（vSet）；%获取包含所有视图的相机姿势的表格。camPoses=姿势（vSet）；三角定位三维世界点的初始位置。xyzPoints = triangulateMultiview(tracks, campose, intrinsics);%优化三维世界点和摄影机姿势。[xyzPoints, campose, reprojectionErrors] = bundleAdjustment(xyzPoints，．..intrinsic痕迹,坎波斯,“FixedViewId”, 1．..“PointsUndistorted”,真正的);存储精致的相机姿势。vSet=updateView（vSet，camPoses）；prevFeatures=currFeatures；prevPoints=currPoints；结束

%显示相机姿势。camPoses=姿势（vSet）；图形；绘图摄影机（camPoses，“尺寸”, 0.2);持有在%排除嘈杂的三维点。goodIdx = (reprojectionErrors < 5);xyzPoints = xyzPoints(goodIdx，:);%显示3d点。pcshow (xyzPoints“VerticalAxis”，“是的”，“垂直方向”，“下来”，．..“MarkerSize”，45）；网格在持有关%指定查看音量。loc1=camPoses.绝对姿势（1）.翻译；xlim（[loc1（1）-5，loc1（1）+4]）；ylim（[loc1（2）-5，loc1（2）+4]）；zlim（[loc1（3）-1，loc1（3）+20]）；camorbit（0，-30）；标题(“精致的相机姿势”);

读取并校正第一个图像I=未失真图像（图像{1}，本质）；%检测第一个图像中的角。prevPoints=detectMinEigenFeatures（I，“肉质”, 0.001);创建点跟踪器对象来跨视图跟踪点。追踪=愿景。PointTracker (“MaxBidirectionalError”, 1“Numpyramidalevels”6);初始化点跟踪器。prevPoints = prevPoints.Location;初始化(prevPoints追踪,我);%将密集点存储在视图集中。vSet=更新连接（vSet，1，2，“火柴”, 0 (0, 2));vSet = updateView(vSet, 1，)“点”, prevPoints);%在所有视图中跟踪点。对于我= 2:元素个数(图片)%读取并取消对当前图像的扭曲。I = undistortion timage (images{I}， intrinsics);%追踪要点。[currPoints, valididdx] = step(tracker, I);%清除点之间的旧匹配。如果i < numel(images) vSet = updateConnection(vSet, i, i+1，)“火柴”, 0 (0, 2));结束vSet=updateView（vSet，i，“点”, currPoints);%在视图集中存储点匹配。matches=repmat（（1:size（prevPoints，1）），[1，2]）；matches=matches（validix，：）；vSet=updateConnection（vSet，i-1，i，“火柴”,匹配);结束在所有视图中找到点轨迹。轨道=findTracks（vSet）；在所有视图中找到点轨迹。camPoses=姿势（vSet）；三角定位三维世界点的初始位置。xyzPoints = triangulateMultiview(轨道，campose，．..intrinsic);%优化三维世界点和摄影机姿势。[xyzPoints、campos、reprojectioner]=捆绑调整(．..xyzPoints, tracks, campose, intrinsics，“FixedViewId”, 1．..“PointsUndistorted”,真正的);

显示精致的相机姿势。图：绘图仪（camPoses、，“尺寸”, 0.2);持有在%排除嘈杂的三维世界点。goodIdx = (reprojectionErrors < 5);%显示密集的三维世界点。pcshow (xyzPoints (goodIdx:)“VerticalAxis”，“是的”，“垂直方向”，“下来”，．..“MarkerSize”，45）；网格在持有关%指定查看音量。loc1=camPoses.绝对姿势（1）.翻译；xlim（[loc1（1）-5，loc1（1）+4]）；ylim（[loc1（2）-5，loc1（2）+4]）；zlim（[loc1（3）-1，loc1（3）+20]）；camorbit（0，-30）；标题(“密集的重建”);