opencv中solvePnPRansac函数求解相机位姿

最新推荐文章于 2023-09-20 15:08:47 发布

jay463261929

最新推荐文章于 2023-09-20 15:08:47 发布

阅读量4.1w

点赞数 10

分类专栏： opencv

本文链接：https://blog.csdn.net/jay463261929/article/details/53818611

版权

这篇博客介绍了如何利用OpenCV的solvePnPRansac函数进行物体检测中的相机位姿估计。通过设置迭代次数、重投影误差和置信度等参数，解决2D-3D对应点对的问题。最后，从求得的旋转向量和平移向量转换为变换矩阵，实现相机姿态的确定。

摘要由CSDN通过智能技术生成

PnP（Perspective n Points）：2D—3D，求解相机位姿

PnP（Perspective n Points）就是你有n个点的3D位置和它们的投影，然后要算相机的位姿。这个倒是SLAM里最常见的情况，因为你会有一堆的地图点和像素点等着你算。PnP的做法有好多种：直接线性变换，P3P，EPnP，UPnP等等，基本你去找OpenCV的SolvePnP中的参数即可，好用的都在那里。除此之外，通常认为线性方程解PnP，在有噪声的情况下表现不佳，所以一般以EPnP之类的解为初始值，构建一个Bundle Adjustment（BA）去做优化。

一、函数介绍

源码位置：An example of how to use solvePNPRansac for object detection can be found at opencv_source_code/samples/cpp/tutorial_code/calib3d/real_time_pose_estimation/

二、例子

cv::Mat rvec = cv::Mat::zeros(3, 1, CV_32FC1); // output rotation vector
cv::Mat tvec = cv::Mat::zeros(3, 1, CV_32FC1);

// RANSAC parameters
int iterationsCount = 300; // number of Ransac iterations.
float reprojectionError = 5.991; // maximum allowed distance to consider it an inlier.
double confidence = 0.95; // ransac successful confidence.