我目前正面临一个问题，要描述我的程序应该做什么和应该做什么，这里是我上一篇文章开头的复制/粘贴。
这个程序取决于经典的“运动结构”方法。
基本思想是拍摄一对图像，检测其关键点并计算这些关键点的描述符。然后，完成关键点匹配，进行一定数量的测试以确保结果良好。那部分完美无缺。
一旦完成，将执行以下计算：基本矩阵，基本矩阵，基本矩阵的SVD分解，相机投影矩阵计算以及最后的三角测量。
一对图像的结果是一组3D坐标，为我们提供了在3D查看器中绘制的点。这对于一对来说非常有效。
但是，我必须手动执行一个步骤，如果我希望我的程序能够有效地处理两个以上的图像，这是不可接受的。
实际上，我根据经典方法计算我的投影矩阵，如下所示，在“从E确定R和t”段落中：https://en.wikipedia.org/wiki/Essential_matrix
我的投影矩阵有4种可能的解决方案。
我想我已经理解了这个问题的几何观点，在哈特利和齐瑟曼的论文摘要（第9.6.3和9.7.1章）中描述：http://www.robots.ox.ac.uk/~vgg/hzbook/hzbook2/HZepipolar.pdf
尽管如此，我的问题是：给定计算的四个可能的投影矩阵和OpenCV函数triangulatePoints（）计算的3D点（对于每个投影矩阵），如何自动选择“真实”投影矩阵？（无需在我的3D查看器中绘制4倍于我的点，以查看它们是否一致）
感谢阅读。