Android 陀螺仪与图像坐标系处理

Android 陀螺仪与图像坐标系处理

最近在做项目的时候需要处理陀螺仪和摄像头两个传感器，并将其对齐，在这里记录一下处理过程。仅是个人理解，如有错误，欢迎批评指正。

1 陀螺仪坐标系与图像坐标

首先，Android手机中的陀螺仪的坐标方向如上图所示，在写程序时调用的监听器可以获得到的陀螺仪信息event.value[0],event.value[1],event.value[2]分别对应陀螺仪的x,y,z轴。

那么如何与手机拍摄到的图像进行匹配呢。

首先如果我们向上图那样竖着拿手机，拍摄到的图片如果在程序中不进行任何的旋转，则会得到如下方向的图片。

如果将手机横过来：

则拍摄到的是和看到的相同方向的图片：

这表明，从摄像头中获取到的图片就是该方向的图片，对于CMOS摄像头，图像是从上向下进行刷新的。

关于相机的拍摄方向：

• 无论如何摆放手机，拍摄出的画面总是和你看到的是一致的，之所以会出现获取到的图片与你看到的不一致的现象，是因为设备自动将图片旋转了

• 摄像头有一个默认的取景方向，手机一般是横屏放置，也就是竖着拿手机时，面向手机屏幕，摄像头的上边缘与手机边框的右边缘平行，从背面看就是下图：

  

• 横屏拍摄时，摄像头是正的，所见即所得，而手机竖过来，拍摄到的景物与你看到的是一致的，但是摄像头是以横屏为基准，则默认将其逆时针旋转了90度

• 无论如何，相机的刷新方向都应该看摄像头的方向，也就是如果正放摄像头，则是从上到下一行一行刷新，也就是在手机上显示正确的图片都是从右向左一列一列刷新

为了便于描述，下面以手机横过来时的情况作为基准，可以得到：

其中，蓝色坐标系为手机陀螺仪坐标系，橙色坐标系为我们自己假设的图像坐标系，那么可以得到如下关系：

pic_x = gyro_y;
pic_y = -gyro_x;
pic_z = gyro_z;

在获取陀螺仪角速度时可以将其直接按照上述关系进行保存，方便后续对图像的计算，也就是说，我们成功将陀螺仪的坐标系转化为图像上坐标系。

2 陀螺仪的数据处理

这里假设我们从陀螺仪中读取到的值都是较为精准的（这里暂时不考虑需要滤波的问题）。

对陀螺仪的数据处理分为两部分：

• 将陀螺仪的角速度信息转化为旋转矩阵
• 确保此旋转矩阵描述的是该帧图像（与图像的对齐问题）

2.1 陀螺仪->旋转矩阵

由于陀螺仪获取到的是角速度信息，在实际应用中，我们需要将其转化为可以描述物体旋转的旋转矩阵（这里使用李群so(3)）(一定要注意左右手坐标系！！坑了我好久)

首先是李群so(3)的计算，这里放下代码：

cv::Mat ThetaHelper::getRotationMat(cv::Vec<double, 3> theta)
{
    cv::Mat cvmat(3, 3, CV_64F);
    cv::Mat skew_mat(3, 3, CV_64F);

    int eq=0;
    double th=theta[0]*theta[0]+theta[1]*theta[1]+theta[2]*theta[2];
    th=sqrt(th);
    if(th==0)
        eq=1;
    th=th+eq;
    theta[0]=theta[0]/th;
    theta[1]=theta[1]/th;
    theta[2]=theta[2]/th;
    //计算旋转矩阵
    skew_mat.at<double>(0,0)=0;
    skew_mat.at<double>(0,1)=theta[2];
    skew_mat.at<double>(0,2)=-theta[1];
    skew_mat.at<double>(1,0)=-theta[2];
    skew_mat.at<double>(1,1)=0;
    skew_mat.at<double>(1,2)=theta[0];
    skew_mat.at<double>(2,0)=theta[1];
    skew_mat.at<double>(2,1)=-theta[0];
    skew_mat.at<double>(2,2)=0;

    cv::Mat e=cv::Mat::eye(3,3,CV_64F);
    cvmat =e+sin(th)*skew_mat.t()+(1-cos(th))*(skew_mat*skew_mat).t();

    return cvmat;
}

由于需要将获取到的图片通过OpenGL ES渲染到手机屏幕上，而OpenGL ES使用的是右手坐标系ÿ