我有一个相机和它的K矩阵(校准矩阵),我还有平面的图像,我知道4个角的实点和它们对应的像素。我知道如果z=0 (H是图像和实平面之间的单应矩阵),如何计算H矩阵。现在我试着用旋转矩阵和我遵循的平移向量得到平面的实点(3D点),这篇论文:校准架空摄像机,作者劳尔·罗哈斯在第3- 3.3节中。我的代码是:
ImagePointsScreen=[16,8,1;505,55,1;505,248,1;44,301,1;];
screenImage=imread( 'screen.jpg');
RealPointsMirror=[0,0,1;9,0,1;9,6,1;0,6,1]; %Mirror
RealPointsScreen=[0,0,1;47.5,0,1;47.5,20,1;0,20,1];%Screen
imagesc(screenImage);
hold on
for i=1:4
drawBubble(ImagePointsScreen(i,1),ImagePointsScreen(i,2),1,'g',int2str(i),'r')
end
Points3DScreen=Get3DpointSurface(RealPointsScreen,ImagePointsScreen,'Screen');
figure
hold on
plot3(Points3DScreen(:,1),Points3DScreen(:,2),Points3DScreen(:,3));
for i=1:4
drawBubble(Points3DScreen(i,1),Points3DScreen(i,2),1,'g',int2str(i),'r')
end
function [ Points3D ] = Get3DpointSurface( RealPoints,ImagePoints,name)
M=zeros(8,9);
for i=1:4
M((i*2)-1,1:3)=-RealPoints(i,:);
M((i*2)-1,7:9)=RealPoints(i,:)*ImagePoints(i,1);
M(i*2,4:6)=-RealPoints(i,:);
M(i*2,7:9)=RealPoints(i,:)*ImagePoints(i,2);
end
[U S V] = svd(M);
X = V(:,end);
H(1,:)=X(1:3,1)';
H(2,:)=X(4:6,1)';
H(3,:)=X(7:9,1)';
K=[680.561906875074,0,360.536967117290;0,682.250270165388,249.568615725655;0,0,1;];
newRO=pinv(K)*H;
h1=newRO(1:3,1);
h2=newRO(1:3,2);
scaleFactor=(norm(h1)+norm(h2))/2;
newRO=newRO./scaleFactor;
r1=newRO(1:3,1);
r2=newRO(1:3,2);
r3=cross(r1,r2);
r3=r3/norm(r3);
R=[r1,r2,r3];
RInv=pinv(R);
O=-RInv*newRO(1:3,3);
M=K*[R,-R*O];
for i=1:4
res=pinv(M)* [ImagePoints(i,1),ImagePoints(i,2),1]';
res=res';
res=res*(1/res(1,4));
Points3D(i,:)=res';
end
Points3D(i+1,:)=Points3D(1,:); %just add the first point to the end of the array for draw square
end我的结果是:

现在我有两个问题:
1.点1在(0,0,0)处,但这不是实际位置
2.观点颠倒了
我在干嘛呢?
发布于 2012-09-02 05:30:16
我在论文中找到了答案:校准架空摄像机,作者劳尔·罗哈斯在第3- 3.3节。
对于开始: H=K^-1*H给定图像中的四个点以及它们在世界上的已知坐标,矩阵H可以被恢复,直到缩放因子。我们知道旋转矩阵R的前两列必须是变换矩阵的前两列。让我们用h1,h2和h3表示矩阵的三列H.Due到缩放因子,然后我们具有xr1 = h1和xr2 = h2,因为|r1| = 1,然后x= |h1|/|r1| = |h1|和x= |h2|/|r2| = |h2|。因此,我们可以计算因子并从恢复的矩阵H中消除它。我们只需设置H'= H/x,就可以恢复旋转矩阵R的前两列。R的第三列可以找到,记住旋转矩阵中的任何一列都是其他两列的叉积(乘以适当的加号或减号)。特别是r3 = r1×r2,因此,我们可以从H恢复旋转矩阵R。我们还可以恢复平移向量(摄像机在场坐标中的位置)。记住h'3 =−R^t,因此摄像机针孔t的位置矢量由t=−R^-1 h3给出
发布于 2012-08-27 07:06:44
单应性通常是平面在两个位置/旋转中的变换。平面在相机坐标中的位置通常称为姿态或外部参数。
opencv有一个solvePnP()函数,它使用Ransac来估计已知平面的位置。
ps。对不起,我不知道等同的matlab,但他的网站上有openCV 3D函数的Bouguet has a matlab版本
https://stackoverflow.com/questions/12133366
复制相似问题