16

計算された基本行列から並進ベクトルと回転ベクトルを取得しようとしています。私は OpenCV を使用しており、一般的なアプローチはウィキペディアからです。私のコードは次のようなものです：

//Compute Essential Matrix
Mat A = cameraMatrix(); //Computed using chessboard
Mat F = fundamentalMatrix(); //Computed using matching keypoints
Mat E = A.t() * F * A;

//Perfrom SVD on E
SVD decomp = SVD(E);

//U
Mat U = decomp.u;

//S
Mat S(3, 3, CV_64F, Scalar(0));
S.at<double>(0, 0) = decomp.w.at<double>(0, 0);
S.at<double>(1, 1) = decomp.w.at<double>(0, 1);
S.at<double>(2, 2) = decomp.w.at<double>(0, 2);

//V
Mat V = decomp.vt; //Needs to be decomp.vt.t(); (transpose once more)

//W
Mat W(3, 3, CV_64F, Scalar(0));
W.at<double>(0, 1) = -1;
W.at<double>(1, 0) = 1;
W.at<double>(2, 2) = 1;

cout << "computed rotation: " << endl;
cout << U * W.t() * V.t() << endl;
cout << "real rotation:" << endl;
Mat rot;
Rodrigues(images[1].rvec - images[0].rvec, rot); //Difference between known rotations
cout << rot << endl;

最後に、推定された回転を、すべての画像にあるチェス盤を使用して計算したものと比較しようとします (チェス盤なしで外部パラメーターを取得する予定です)。たとえば、私はこれを取得します：

computed rotation:
[0.8543027125286542, -0.382437675069228, 0.352006107978011;
  0.3969758209413922, 0.9172325022900715, 0.03308676972148356;
  0.3355250705298953, -0.1114717965690797, -0.9354127247453767]

real rotation:
[0.9998572365450219, 0.01122579241510944, 0.01262886032882241;
  -0.0114034800333517, 0.9998357441946927, 0.01408706050863871;
  -0.01246864754818991, -0.01422906234781374, 0.9998210172891051]

明らかに問題があるように見えますが、それが何であるかを理解することはできません。

編集: 転置されていない vt (明らかに別のシーンから) で得た結果は次のとおりです。

computed rotation: 
[0.8720599858028177, -0.1867080200550876, 0.4523842353671251;
 0.141182538980452, 0.9810442195058469, 0.1327393312518831;
-0.4685924368239661, -0.05188790438313154, 0.8818893204535954]
real rotation
[0.8670861432556456, -0.427294988334106, 0.2560871201732064;
 0.4024551137989086, 0.9038194629873437, 0.1453969040329854;
-0.2935838918455123, -0.02300806966752995, 0.9556563855167906]

これが私の計算されたカメラ行列です。エラーはかなり低かったです (約 0.17...)。

[1699.001342509651, 0, 834.2587265398068;
  0, 1696.645251354618, 607.1292618175946;
  0, 0, 1]

立方体を再投影しようとしたときに得られる結果は次のとおりです... カメラ 0、立方体は軸に揃えられ、回転と移動は (0, 0, 0) です。 画像 http://imageshack.us/a/img802/5292/bildschirmfoto20130110u.png

もう1つは、最初の画像のポイントのエピラインです。 画像 http://imageshack.us/a/img546/189/bildschirmfoto20130110uy.png

4

2 に答える 2

10

このリンクを見てください：

http://isit.u-clermont1.fr/~ab/Classes/DIKU-3DCV2/Handouts/Lecture16.pdf .

2 ページを参照してください。R には 2 つの可能性があります。1 つ目は U W VT で、2 つ目は U WT VT です。2番目を使用しました。最初に試してみてください。

于 2013-01-19T19:44:56.657 に答える
0

8 ポイント アルゴリズムは基本行列を計算する最も簡単な方法ですが、注意を払えばうまく実行できます。良い結果を得る鍵は、解く方程式を作成する前に、入力データを適切に注意深く正規化することです。アルゴリズムの多くはそれを行うことができます。ピクセル ポイント座標をカメラ座標に変更する必要があります。次の行で行います。

Mat E = A.t() * F * A;

ただし、この仮定は正確ではありません。カメラ キャリブレーション マトリックス K が既知の場合、ポイント x に逆数を適用して、正規化された座標で表されるポイントを取得できます。

X_{norm}= K.inv()*X_{pix}ここでX_{pix}(2)、z は 1 です。

8PA の場合、ポイントの単純な変換が改善されるため、結果の安定性が向上します。推奨される正規化は、基準点の重心が座標の原点にあり、原点からの点の RMS 距離が に等しくなるように、各画像を変換およびスケーリングすること\sqrt{2}です。非正規化の前に特異点条件を適用することをお勧めします。

参照: チェックしてください : まだ興味がある

于 2016-09-01T14:19:20.973 に答える