1
我有一组3d点(P3),它们的2D对应点(P2)和相机矩阵(A)。我如何使用SVD来查找旋转和平移向量?我认为方程是P2 = A * [R | t] * P3。但是,如何使用SVD找到rvec和tvec(比如说在openCV中使用cvSVD)?简单的算法或链接将非常有帮助。从3d点计算旋转和平移矩阵及其2D对应
我有一组3d点(P3),它们的2D对应点(P2)和相机矩阵(A)。我如何使用SVD来查找旋转和平移向量?我认为方程是P2 = A * [R | t] * P3。但是,如何使用SVD找到rvec和tvec(比如说在openCV中使用cvSVD)?简单的算法或链接将非常有帮助。从3d点计算旋转和平移矩阵及其2D对应
如果你知道或者猜到了摄像头矩阵A
(以及可选的畸变系数),最简单的方法是使用功能cv::solvePnP
(doc link)或者其强大的版本cv::solvePnPRansac
(doc link)。
如果你不知道相机矩阵,我不认为你可以估计旋转矩阵R
和平移向量t
。但是,您可以使用直接线性变换(DLT)算法来估计A*R
和A*t
,该算法在Hartley的& Zisserman的书中第7.17页第178页中进行了解释。如果你表示P = A*[R | t]
,那么你就可以估算数p作为如下:
cv::Mat_<double> pts_world(npoints,4), pts_image(npoints,3);
// [...] fill pts_world & pts_image
cv::Mat_<double> C = cv::Mat_<double>::zeros(3*npoints,12);
for(int r=0; r<npoints; ++r)
{
cv::Mat_<double> pt_world_t = pts_world.row(r);
double x = pts_image.at<double>(r,0);
double y = pts_image.at<double>(r,1);
double w = pts_image.at<double>(r,2);
C.row(3*r+0).colRange(4,8) = -w*pt_world_t;
C.row(3*r+0).colRange(8,12) = y*pt_world_t;
C.row(3*r+1).colRange(0,4) = w*pt_world_t;
C.row(3*r+1).colRange(8,12) = -x*pt_world_t;
C.row(3*r+2).colRange(0,4) = -y*pt_world_t;
C.row(3*r+2).colRange(4,8) = x*pt_world_t;
}
cv::Mat_<double> P;
cv::SVD::solveZ(C,P); // P is a 12x1 column vector
P = P.reshape(1,3); // Reshape P to be a standard 3x4 projection matrix
之后,一个好的想法是(例如使用Levenberg-Marquardt算法)来进行迭代优化,以尽量减少投影误差。
对于2D点,三个坐标表示[x,y,w]。但是,对于3D点,四个坐标是否表示[x,y,z,w]? – user2672886
@ user2672886是的,他们这样做。 – AldurDisciple