我有一个对象的4个不同视图，每个视图都有相应的K和M摄像机矩阵（内部和外部参数）。
我有6个3D点，我在每个2D视图上标记（所以24个2d点）。
我想要做的是将这些2D点反投影到3D并在空间中获得我的6个3D点。
大多数论文都展示了当你有2个视图及其矩阵时如何做到这一点。但是，我有4个观点。我在Python中使用OpenCV。
作为第一种方法，也许我可以使用2个视图的所有组合进行三角测量，因此我得到4choose2 = 6组3D点，然后我对所有三角测量进行平均。
有更好的方法更合适吗？你认为我应该使用OpenCV以外的东西吗？ （它仍然必须是Python）
我看到了两个解决方案。
1.分析解决方案
如果进行数学运算，您会发现每个2D到3D的对应关系都会为三角测量系统增加2个方程式。通过6个视图，您将获得一个包含12个方程和3个未知数的系统。这应该是最有效的实现，但是当预期有噪声输入时可能不稳定。
2.三角测量+优化
使用经典的2-View三角测量计算估计的3D点。使用非线性优化来计算最小化所有6个视图的重投影错误的3D点。这是我推荐的解决方案，因为它应该是稳定的，并且所有内容都已在OpenCV中实现。