PnP 单目相机位姿估计（一）：初识PnP问题

最新推荐文章于 2024-05-02 18:57:37 发布
最新推荐文章于 2024-05-02 18:57:37 发布
阅读量4.8w 收藏 241
点赞数 20
分类专栏： 机器视觉 文章标签： 三维 pnp opencv 单目测距 位姿
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/cocoaqin/article/details/77841261
版权

IDE：visual studio 2013
使用库：Eigen opencv2.4.9
文档版本：1.1

简介

　　PnP问题是求解3D-2D点对运动的方法。他描述了当知道n个三维空间点坐标及其二维投影位置时，如何估计相机的位姿。我们可以想象，在一幅图像中，最少只要知道三个点的空间坐标即3D坐标，就可以用于估计相机的运动以及相机的姿态。

　　而特征点的空间坐标，我们可以通过深度图来确定，亦可在程序初始化时，通过设定世界坐标系的方法解得，具体请看后篇几篇博文。

　　因此，PnP方法不需要使用对极约束，又可以在很少的匹配点中获得较好的运动估计。是一种重要的姿态估计方法。

　　而PnP常见的解法有 直接线性变换、P3P、BA等，在后续几篇博文中，将以基于opencv的solvepnp（P4P）同时借助简单的二维码QRcode来实现相机位姿的估计。

理解

以下讨论中设相机位于点Oc，P1、P2、P3……为特征点。

当N=1时
　　当只有一个特征点P1，我们假设它就在图像的正中央，那么显然向量OcP1就是相机坐标系中的Z轴，此事相机永远是面对P1，于是相机可能的位置就是在以P1为球心的球面上，再一个就是球的半径也无法确定，于是有无数个解。

当N=2时
　　现在多了一个约束条件，显然OcP1P2形成一个三

最低0.47元/天 解锁文章
cocoaqin
关注
  • 20
    点赞
  • 踩
  • 241
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
PNP问题-位姿估计方法梳理（pose estimation）
DC
06-28 5671
- 单目视觉 - 位姿测量 目标3D精确模型已知（建立2D-3D对应关系）： 点特征 P3P问题 基于针孔成像模型 Gao的方法（opencv emgucv） Kneip 的 P3P 算法 直接线性变换 （DLT） EP3P（王平） 通用相机模型 （GID） 用在基于鱼眼镜.
相机姿态估计（一）--PnP
热门推荐
工作笔记
07-26 4万+
PnP（pespective-n-point）问题，就是已知的n个空间3D点与图像2D点对应的点对，计算相机位姿、或者物体位姿，二者是等价的。 有个通俗，但很有用的解释： 以下讨论中设相机位于点Oc，P1、P2、P3……为特征点。 Case1：当N=1时 当只有一个特征点P1，我们假设它就在图像的正中央，那么显然向量OcP1就是相机坐标系中的Z轴，此事相机永远是面对P1，于是相机可能的位...
cv::solvePnP作用及参数释义
最新发布
DC2019的博客
05-02 540
cv::solvePnP函数是OpenCV中的一个函数，用于解决透视-点（PnP）问题，即根据物体的3D模型和对应的2D图像点来估计物体在场景中的姿态。该函数的作用是计算物体在相机坐标系中的姿态，即旋转和平移向量。cv::solvePnP函数会返回计算得到的物体在相机坐标系中的旋转向量和平移向量。PnP的含义为 Project n Points，通过车辆坐标系或世界坐标系的坐标点和图像上的坐标点，来拟合出到相机系的旋转向量和平移向量；- imagePoints: 对应的2D图像点，即物体在图像上的投影点。
单目相机位姿求解之PNP算法原理剖析与实践
Rosen的博客
08-27 8781
  对于视觉里程计中，相机位姿的求解问题极为常见。对于双目相机，由于其可以直接计算出深度信息，所以在相机位姿求解上十分容易。但如果我们使用的是单目相机，如何从二维图像中求解出相机相对三维物体的位姿就需要一定的算法来完成。本文章将介绍用于计算单目相机位姿求解的PNP算法原理以及应用。 坐标系转换   在介绍PNP算法之前，我们有必要先了解一下四种坐标系之间的转换关系。这四种坐标系分别是世界坐标系——相机坐标系——图像坐标系——像素坐标系。 1.世界坐标系到相机坐标系   设某点在世界坐标系的坐标为Pw=(Xw
Opencv 3.4 的solvepnp中的P3P与EPnp位姿估计算法解析
开源节流
07-24 1万+
https://www.cnblogs.com/shang-slam/p/6481344.html EPnP在ORB-SLAM中主要用于Tracking线程中的重定位Relocalization模块，需要通过当前关键帧Bow与候选帧匹配上的3D地图点，迅速建立当前相机的初始姿态。 PnP问题解决了已知世界参考系下地图点以及相机参考系下投影点位置时3D-2D相机位姿估计问题，不需要使用对极约束（...
内层位移换算到外层
weixin_30568715的博客
07-10 217
将内层位移换算到外层 　　在3维场景功能实现中，需要制作有类似于UG中使用坐标系来转动和平移节点的功能，在实现过程发现: 　　如果将平移层置于旋转功能层内，则：旋转时，如果事先经过了平移操作，将导致节点在场景中甩动，而不在移动中心转动； 　　如果将平移动层置于旋转功能层外，则：平移时，如果事先经过了旋转，将导致节点在场景中非坐标轴方向平移，而不是按原传感器方向平移。 　　另外，若使用...
单目相机标定、图像校正、单目位姿估计、差值法检测移动物体、稠密光流法跟踪移动物体
qq_57594025的博客
07-16 479
【代码】单目相机标定、图像校正、单目位姿估计、差值法检测移动物体、稠密光流法跟踪移动物体。
雷达相机融合（一）PNP（或pnp+g2o）标定雷达-相机（源码）
xx970829的博客
11-01 1344
目录PNPPNP+g2o 输入:image_get.txt，里面的数据为像素坐标(u,v) 输入:lidar_xyz.txt，里面的数据为雷达点（x,y,z） [注意：数据每行前面没有空格] 输入相机内参：camMat=(Mat_(3,3)<<1120.793247366556, 0, 404.6240125739656, 0, 1126.958397947255, 248.9162767468943, 0, 0, 1); PNP //******************************
UPnP_solvepnpupnp_pnp_位姿估计_相机_
10-03
VC++ solvepnp算法中UPnP方法的英文原文文献
相机位姿估计1：根据四个特征点估计相机姿态 随文Demo
11-20
相机位姿估计是计算机视觉领域中的一个重要课题，它涉及到如何确定相机在三维空间中的位置（位置）和方向（姿态）。本篇文章将聚焦于一个特定的方法——利用四个特征点来估计相机姿态，配合OpenCV库实现这一过程。...
PnP位姿估计matlab工具包
09-03
最新的位姿估计工具箱，对应文献为：Very Fast Solution to the PnP Problem with Algebraic Outlier Rejection。PnP问题是计算机视觉中非常基础的经典问题，可以用来测量目标的三维位置姿态。
摄像机外参数标定（位姿估计 pose estimation）的经典文章和代码 EPNP
07-03
摄像机外参数标定（位姿估计 pose estimation）的经典文章和代码 EPNP
单目相机位姿估计的稳健正交迭代方法
01-26
单目位姿估计是计算机视觉中一个基础而重要的问题,在机器人定位、虚拟现实、图像精密测量等领域应用广泛。在实际应用中,参考点坐标不可避免地含有粗差点,导致估计结果偏离真值,为此,提出自适应加权的稳健正交迭代算法。该算法采用稳健估计方法自动识别粗差点,并赋予其较小权值,以提高算法的稳健性。实验结果表明,稳健正交迭代算法求解精度高、稳健性好,可有效抑制不同个数、不同水平的粗差影响。当20个观测点中存在8个水平为60 pixel的粗差点时,本文解算精度分别比经典正交迭代算法和加权正交迭代算法高2个和1个数量级。
PnP_Toolbox.rar_PNP 位姿_pnp_pnp位姿_位姿_位姿测量
07-15
视觉位姿测量的matlab程序，包含多个模块
IEPnP：一种基于EPnP的相机位姿迭代估计算法
01-27
利用弱透视投影模型获得相机的初始位姿, 计算出虚拟控制点在相机坐标系下的坐标, 然后通过高斯-牛顿法对虚拟控制点在相机坐标系下的坐标进行优化求解, 最终通过解决绝对定向问题来获得对相机位姿的估计。...
第一章：位姿估计
01-29
本章介绍计算机视觉中位姿估计相关的知识。
OpenCV—PnP单目测距
FlyDremever
03-06 8617
OpenCV—PnP单目测距 使用单目相机结合OpenCV的pnp解算实现单目测距（需要知道物体的长宽） 开始用的opencv 自带的标定api 标定相机，但是标定结果和matlab的结果有出入，可能我没用对吧，后面就用的Matlab 标定工具箱的标定结果，大概误差1 ~2cm吧，毕竟近距离。 #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; vo
PnP 单目相机位姿估计（三）：二维码角点检测
cocoaqin的博客
09-07 1万+
解PnP问题时，用二维码的好处 二维码由黑白两色组成，容易通过对图像阈值处理而发现 二维码具有方向性（只要设计的不为中心对称），可以更好的辅助求解位姿 二维码具有可识别性，即可解析二维码内部黑白块的排列顺序，从而确定该二维码是否为我们所要用的二维码 二维码识别的流程 该流程以该二维码为例阈值处理，二值化操作 去掉二维码周围一圈，即保存为5*5的信息 计算5*5图像内的海明距离，和程序所设定要查找
pnp算法位姿估计opencv
01-31
PNP算法（Perspective-Point）是一种用于计算相机位姿估计的算法，它可以通过已知的3D点和对应的2D图像点来计算相机的旋转和平移矩阵。 在OpenCV中，PNP算法的实现主要依赖于solvePnP函数。该函数可以通过不同的方法来解决PNP问题，包括EPnP、DLS、UPnP等。其中，EPnP是一种基于最小化重投影误差的方法，DLS是一种基于最小二乘法的方法，UPnP是一种基于非线性优化的方法。 使用OpenCV中的PNP算法进行位姿估计的步骤如下： 1. 准备3D点和对应的2D图像点数据。 2. 根据所选的PNP算法，调用solvePnP函数，并传入相应的参数。 3. 根据函数返回的结果，获取相机的旋转和平移矩阵。 以下是一个示例代码，演示了如何使用OpenCV中的PNP算法进行位姿估计： ```cpp #include <opencv2/opencv.hpp> int main() { // 准备3D点和对应的2D图像点数据 std::vector<cv::Point3f> objectPoints; std::vector<cv::Point2f> imagePoints; // 添加3D点和对应的2D图像点数据 // 定义相机内参矩阵 cv::Mat cameraMatrix = cv::Mat::eye(3, 3, CV_64F); // 定义畸变系数 cv::Mat distCoeffs = cv::Mat::zeros(5, 1, CV_64F); // 调用solvePnP函数进行位姿估计 cv::Mat rvec, tvec; cv::solvePnP(objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec); // 输出相机的旋转和平移矩阵 std::cout << "Rotation vector: " << rvec << std::endl; std::cout << "Translation vector: " << tvec << std::endl; return 0; } ```

“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 6
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
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