计算机视觉 图像形成 几何图形和变换 3D到2D投影

于 2022-06-02 05:45:00 发布
阅读量3.1k 收藏 9
点赞数 1
分类专栏： 深度学习从入门到精通 文章标签： 计算机视觉 正交法 投影矩阵 缩放正交 透视法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bashendixie5/article/details/124991406
版权

一、正交和平行透视法

        现在我们知道如何表示2D和3D几何图元以及如何在空间上转换它们，我们需要指定如何将 3D图元投影到图像平面上。 我们可以使用线性3D到2D投影矩阵来做到这一点。最简单的模型是正交法，它不需要除法就可以得到最终的（不均匀的）结果。更常用的模型是透视，因为它更准确地模拟了真实相机的行为。

        正交投影只是简单地丢弃三维坐标p的z分量以获得 2D 点x。（在这里使用p表示 3D 点，使用x表示 2D 点。）这可以写成x = \left [ I_{2\times 2} \right | 0] P，如果我们使用齐次（投影）坐标，我们可以写

了解本专栏 订阅专栏 解锁全文
坐望云起
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
points-3d-to-2d:将3D点投影到2D平面上
05-18
将3D指向2D 将3D点投影到2D平面上 用法 var points3dto2d = require ( "points-3d-to-2d" ) ; var points3d = [ ] ; // [[x,y,z], [...]] var points2d = points3dto2d ( points3d , false ) ; // [[x,y], [...]]
【数字图像处理】3D到2D的投影（Octave/Matlab）
weixin_42182906的博客
05-13 2813
从现实世界到图像的投影坐标系： (x, y, z)→(x', y', -d)，注意这个示意图中不包含左右，上下的翻转变化。 根据相似三角形理论可以算出：(x, y, z)→(-dx/z, -dy/z, -d)， 由于z是变量，所以这并不是一个线性变换。加入一个齐次项，在齐次坐标系下，我们可以通过矩阵的线性操作完成投影。 代码如下：（刚开始运行的时候，老是报calling error，可是网上没太多教程，我随便把变量赋值放在函数定义前面试了试，竟然成功了==） % Project a poi
3维空间到2维空间投影的分类
flued_g的博客
01-12 3177
3维空间到2维空间投影的分类 Written by Paul Bourke December 1994 以下对大部分常用的把三维几何体投影到二维平面上的投影方法做了分类。每个类型都概括出了其简短的特点。 全景投影：投影线彼此不平行。 平行投影：投影线彼此平行。 （下图翻译略） 斜位投影 斜位投影是平行投影的一种，但是它的投影
计算机图形学：应用JAVA 2D和3D-综合文档
05-25
计算机图形学：应用JAVA 2D和3D
3D-2D：PnP算法原理
热门推荐
Mr.Andy的博客
05-02 5万+
PnP算法原理1.问题背景—— 什么是PnP问题 ？2.PnP问题的求解方法2.1 P3P2.1.1 算法的实际理解2.1.2 算法的数学推导2.1.3 算法的缺陷2.2 直接线性变换(DLT) 根据高博士的《视觉SLAM十四讲》内容和相关博客的内容，对PnP问题有了一点点新的理解。再次记录一下。 参考博客： http://www.cnblogs.com/singlex/p/pose_estima...
投影变换
深之JohnChen的专栏
03-18 8538
投影变换1 >基本概念    在计算机图形软件中所采用笛卡尔(cartesian)直角三维坐标系统，按照z轴方向的不同有两种形式：    1右手系统：当用右手握住z轴时，大姆指指向z轴的正方向(图3.20(a))，其余四个手指从x轴到y轴形成一个弧。    2左手系统：当用左手握住z轴时，大姆指指向z轴的正方向(图3.20(b)))；其余四个手指从x轴到y轴形成一个弧。 
三维坐标投影到二维平面_通过矩阵的线性变换解释二维平面的射影变换
weixin_39640773的博客
12-06 2515
矩阵变换的线性与射影变换的非线性之前讲过向量与矩阵相乘表示对向量进行线性变换，线性变换有两个特点：坐标原点变换后依然坐标原点平行网格变换后依然是平行网格而如下图所示，射影变换显然不符合这两个特点，即使放射变换、相似变换、欧式变换、平移变换也不符合原点变换后仍是原点的特点。但这些变换都是通过二维平面中点的坐标与矩阵相乘得到的，为什么没有表现出线性呢？隐藏的升维二维平面的点坐标的变换公式为： 可以看出...
3d点投影到2d屏幕，矩阵计算
ch_dq的博客
02-22 3518
3d点投影到2d屏幕，矩阵计算背景算法完整代码待更新 背景 最近在优化VIBE输出的3D关节点抖动问题。需要将3D点投影到2D屏幕上。3D点通过相机投影到2D屏幕上，通过一系列矩阵相乘可以求得。但是具体操作实现说明太少，本文用来记录投影流程的实现。附python实现代码 算法 3d 转 2d 的流水线如下： 世界坐标系->相机坐标系->投影矩阵->像素映射->生成图片 世界坐标系和相机坐标系转换可以通过dcm矩阵计算求出def dcm(origin: np.ndarray, tar
3D投影变换（含透视投影Perspective Projection）
子燕若水的博客
06-29 5115
透视投影变换将场景（世界空间）中的三维点投影到图像（图像空间）中的二维点。 假设我们正在绘制一个仅由三维线段组成的模型，任务是将三维位置（在标准坐标系中表示为（x，y，z）坐标映射到图像中的坐标，以像素为单位表示，这是一个复杂的问题，因为它取决于许多不同的东西，包括相机的位置和方向、投影类型、视野和图像的分辨率。 对于所有复杂的转换，最好将其分解为几个简单转换的产物。大多数图形系统都是通过三种变换来实现的： #相机变换或眼睛变换（camera transformation），这是一种刚体变换，这个变换
Python 3D函数图形投影到2D坐标轴上
Angelaboy的博客
04-02 4407
1、contourf函数命令 cmap = matplotlib.cm.jet norm = matplotlib.colors.Normalize(vmin=min(np.array(sol)), vmax=max(np.array(sol))) plt.contourf(X,Y,Z,cmap=cmap,norm=norm,levels=50) #levels 这里的尽量多才能与imshow一致 cbar = plt.colorbar() plt.grid(F
三维变换算法,三维坐标转换二维算法,C,C++
09-10
各种三维变换算法，包括：几何变换:平移、旋转、变比、对称、错切。投影变换：平行投影（三视图、正轴测图、斜轴测图）、透视图。
计算机图形学应用Java2D和3D
07-22
资源名称：计算机图形学 应用Java 2D和3D内容简介：《计算机科学丛书·计算机图形学应用Java 2D和3D》提供了一个完整而权威的计算机图形学介绍，它并不需要低层次的编程或高深的数学背景。作者权衡了在软件和硬件...
计算机图形学：应用JAVA 2D和3D
06-12
计算机 图形学 应用JAVA 2D 和 3D
计算机图形学2D变换演示.exe
03-22
计算机图形学实验（作业利器） 主题：2D变换演示程序 code in python 2.7.15, author:zhu 看官先行品鉴，如有源码需要站内私信。
机器学习笔记 - 什么是支持向量回归(SVR)？
学以致用 知行合一
04-14 4万+
SVM 回归算法称为支持向量回归或SVR。支持向量回归是一种监督学习算法，用于预测离散值。支持向量回归使用与 SVM 相同的原理。SVR 背后的基本思想是找到最佳拟合线。在 SVR 中，最佳拟合线是点数最多的超平面。 ​ SVR将输入的数据的原始空间映射到更高维的特征空间，通常通过非线性高斯核函数实现。在特征空间中，问题变成了拟合数据的最优线性平面的构造。
机器学习笔记 - 什么是高斯混合模型(GMM)？
学以致用 知行合一
05-21 4万+
高斯混合模型 (GMM) 是一种机器学习算法。它们用于根据概率分布将数据分类为不同的类别。高斯混合模型可用于许多不同的领域，包括金融、营销等等！这里要对高斯混合模型进行介绍以及真实世界的示例、它们的作用以及何时应该使用GMM。 高斯混合模型 (GMM) 是一个概率概念，用于对真实世界的数据集进行建模。GMM是高斯分布的泛化，可用于表示可聚类为多个高斯分布的任何数据集。 高斯混合模型是一种概率模型，它假设所有数据点都是从具有未知参数的...
机器学习笔记 - 什么是UMAP？
学以致用 知行合一
04-25 2万+
统一流形逼近和投影 (UMAP) 是一种降维技术，可用于类似于 t-SNE 的可视化，但也可用于一般的非线性降维。UMAP 是一种基于流形学习技术和拓扑数据分析思想的降维算法。它为处理流形学习和降维提供了一个非常通用的框架，但也可以提供具体的具体实现。   该算法基于对数据的三个假设：   数据均匀分布在黎曼流形上；   黎曼度量是局部常数（或可以近似）；   歧管是本地连接的。   根据这些假设，可以用模糊拓扑结构对流形进行建模。通过搜索具有最接近的等效模糊拓扑结构的数据的低维投影来
MATLAB学习笔记 imagesc函数使用
学以致用 知行合一
01-12 1万+
imagesc(C)将数组中的数据显示 C为使用颜色图中的全部颜色范围的图像。的每个元素C指定图像的一个像素的颜色。所得到的图像是一个 m-by-n像素的网格，其中 m是的行数和n在列数C。元素的行和列索引决定了相应像素的中心。
计算机视觉 - 什么是图像配准？
学以致用 知行合一
05-07 1万+
图像配准是叠加两个或多个来自不同来源、在不同时间和角度拍摄的图像的过程。图像配准过程是一种自动或手动操作，它试图发现两张照片之间的匹配点并在空间上对齐它们以最小化所需的误差，即两幅图像之间的统一邻近度测量。医学、遥感和计算机视觉都使用图像配准。 一旦在图片之间建立了对应关系，通常可以简单地调节或处理对两张或多张照片之间的联系的研究。建立这种相关性的过程称为图像配准。
3d计算机视觉图像分类
最新发布
07-27
回答: 在3D计算机视觉中，图像分类是指将图像中的像素点分割成不同的区块，并为每个区块分配类别标签的过程。这个过程可以通过图像分割技术来实现。图像分割是图像处理的重要组成部分，也是一个难点。通过给出图像中每个像素点的标签，可以将图像分割成若干带类别标签的区块。图像分割技术已经在交通控制、医疗影像和人脸识别等多个领域得到了广泛的应用。\[1\]在3D计算机视觉中，图像分类还涉及到将3D图元投影到图像平面上的过程。可以使用线性3D到2D投影矩阵来实现这一过程。最简单的模型是正交法，它不需要除法就可以得到最终的结果。更常用的模型是透视，因为它更准确地模拟了真实相机的行为。\[2\]此外，还需要考虑像素传感器间距和传感器平面与原点的相对位置来转换结果坐标。这些几何图形的转换过程可以通过使用传感器单应性和相机内在矩阵来实现。传感器单应性用于将2D像素坐标映射到3D射线，而相机内在矩阵用于将3D相机中心点映射到2D像素坐标。\[3\]综上所述，3D计算机视觉图像分类涉及到图像分割、投影和坐标转换等过程。 #### 引用[.reference_title] - *1* [计算机视觉论文总结系列（二）：图像分割篇](https://blog.csdn.net/qq_36816848/article/details/129629857)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [计算机视觉 图像形成 几何图形和变换 3D到2D投影](https://blog.csdn.net/bashendixie5/article/details/124991406)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值