本文探讨了三维空间中点在相机图像平面上的投影过程，涉及相机内参矩阵K和外参矩阵(R,t)的使用。通过计算公式，将空间点转化为图像坐标，但由于参数估计误差，实际投影坐标与理论值存在偏差。给定三个空间点和它们的实际像素坐标，计算出的两个三角形可能有不同的交点数量。问题要求确定这两个三角形的交点个数，并限定顶点坐标在特定范围内且边不重合。
对于点
P
[
X
,
Y
,
Z
]
P[X,Y,Z]
P[X,Y,Z],其在某个相机下在图像上的坐标为
[
u
,
v
]
[u,v]
[u,v].如果已知相机的内参为
K
K
K,外参为
R
R
R和
T
T
T,其中
K
K
K为
3
∗
3
3*3
3∗3的矩阵，
R
R
R为
3
∗
3
3*3
3∗3的矩阵,
t
t
t为
3
∗
1
3*1
3∗1的向量。按理想相机模型，点
P
[
X
,
Y
,
Z
]
P[X,Y,Z]
P[X,Y,Z]在该相机下的投影坐标计算如下：
s
(
u
v
1
)
=
(
K
0
)
(
R
t
0
T
1
)
(
X
Y
Z
1
)
s\begin{pmatrix} u \\ v \\ 1 \\ \end{pmatrix} = \begin{pmatrix} K & 0 \\ \end{pmatrix} \begin{pmatrix} R & t \\ 0^T & 1 \\ \end{pmatrix} \begin{pmatrix} X \\ Y \\ Z \\ 1 \end{pmatrix}
s⎝⎛uv1⎠⎞=(K0)(R0Tt1)⎝⎜⎜⎛XYZ1⎠⎟⎟⎞
由于像素坐标为整数，所以最后计算得到的坐标需要四舍五入取整。但是预估得到的相机内外参矩阵不会完全精准，按上面公式计算的投影坐标和实际坐标存在一定的偏差。
空间中给的三个点，计算投影形成的三个点组成的三角形
A
A
A，和图像实际形成的三个点组成的三角形
B
B
B，求三角形
A
A
A和三角形
B
B
B的交点个数。保证三角形的顶点坐标均为[0,6000]的范围内的整数，且两个三角形边不存在重合的情况
输入
整数，三点空间坐标
整数，实际三点像素坐标
内参矩阵
K
K
K
外参矩阵
R
R
R
外参向量
t
t
t
输出
交点个数
扫一扫
914
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
