opencv （六十）单目位姿估计

已于 2023-04-17 16:34:02 修改
阅读量470 收藏 1
点赞数
分类专栏： OpenCV C++ 文章标签： opencv 计算机视觉 单目位姿估计
于 2022-04-14 23:24:31 首次发布
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/m0_51233386/article/details/124184449
版权
本文介绍了单目相机位姿估计中的PnP问题，探讨了如何利用3D-2D点对来估算相机的位姿。通过深度图或预设世界坐标系获取特征点坐标，结合OpenCV的solvepnp方法，可以实现相机的旋转和平移估计。文章比较了直接线性变换、P3P和BA等解法，并展示了使用PnP+RANSAC算法的实际应用，结果显示两种方法得到的结果接近。
摘要由CSDN通过智能技术生成

小白学视觉，笔记，扩展

在这里插入图片描述
平移向量t是，非真实量，没有距离概念；
知识相对距离，因为有单位比例等，无法知道真正的距离；
因为单目相机，无法获得深度信息。

在这里插入图片描述

PnP 单目相机位姿估计

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。

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

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R-G-B
关注
专栏目录
订阅专栏
OpenCV4读书笔记day11：单目位姿估计
小勇博客
03-08 2478
一.单目位姿估计   根据相机成像模型，如果已知相机的内参矩阵、世界坐标系中若干空间点的三维坐标和空间点在图像中投影的二维坐标，那么可以计算出世界坐标系到相机坐标系的旋转向量和平移向量。如图所示，当知道点ci在世界坐标系下的三维坐标和这些点在图像中对应点的二维坐标时，结合相机的内参矩阵和畸变系数，就可以计算出世界坐标系变换到相机坐标系的旋转向量和平移向量。   在这种情况下，可以估计相机在世界坐标系中的位姿。如果将世界坐标系看成前一时刻的相机坐标系姿态，ci在世界坐标系下的三维坐标看成ci在前一时刻相机坐
PnP 单目相机位姿估计（一）：初识PnP问题
热门推荐
cocoaqin的博客
09-04 4万+
简介 理解 更多 IDE：visual studio 2013 使用库：Eigen opencv2.4.9 文档版本：1.0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
OpenCV solvePnP位姿估计
最新发布
纵马踏花向自由
07-12 1019
cv2.solvePnP 是 OpenCV 中用于估计对象姿态的函数。它计算从 3D 点到 2D 图像点的变换，包括旋转和位移。
OpenCV实现求解单目相机位姿
hulinhulin的专栏
10-07 1781
OPENCV实现求解单目相机位姿
单目相机姿态解算（OpenCV）
chenmohousuiyue的博客
10-04 2万+
机器人，无人机三维姿态解算，求三维姿态欧式角，即俯仰角，偏航角，滚轮角，能用于机器人抓取物体。
OpenCV-Python 姿态估计 | 五十
TensorFlowNews
03-12 2179
目标 在本章中 我们将学习利用calib3d模块在图像中创建一些3D效果。 基础 这将是一小部分。在上一次相机校准的会话中，你发现了相机矩阵，失真系数等。给定图案图像，我们可以利用以上信息来计算其姿势或物体在空间中的位置，例如其旋转方式， 对于平面物体，我们可以假设Z = 0，这样，问题就变成了如何将相机放置在空间中以查看图案图像。 因此，如果我们知道对象在空间中的位置，则可以在其中绘制一些2...
单目姿态估计
light169的专栏
04-20 881
单目视觉深度估计测距的前生今世 自动驾驶中单目摄像头检测输出3-D边界框的方法一览 CVPR2019论文解读：单眼提升2D检测到6D姿势和度量形状ROI-10D: Monocular Lifting of 2D Detection to 6D Pose and Metric Shape 本文提供了基于端到端单目3D目标检测和度量形状检索的深度学习方法。为了在3D中提升2D检...
单目视觉的位姿估算算法
11-22
单目视觉的位姿估算算法 matlab代码 基于位姿估算正交迭代的算法，有test程序和主程序，test中可以比对估算的精度
单目摄像头实现实时3D位姿估计
01-06
Real-time 3D Pose Estimation with a Monocular Camera Using Deep Learning and Object Priors On an Autonomous Racecar 背景 三维物体投影在平面上会失去一个维度，即不知道物体的距离。但是，有了三维物体的先验信息，我们可以知道三维物体的距离 To this end, we propose a low-latency real-time pipeline to detect and estimate 3D position of multiple objects of interest
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。
OpenCV单目视觉定位（测量）C++代码
08-09
总的来说，"OpenCV单目视觉定位（测量）C++代码"项目是计算机视觉和机器人技术的结合，通过OpenCV库实现单摄像头的物体检测和距离测量，对于无人机和机器人自主导航具有重要价值。开发者可以通过理解并实践这段代码...
基于OpenCV的位姿估计
小白学视觉
11-04 2872
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达今天我们的目标是找出我们相对于球场上的位置，从而了解我们在比赛中的全局位置。01.什么是单应性单应性...
视觉SLAM笔记--第7篇: 单目相机位姿估计流程
w风的季节-博客
05-09 3947
单目相机位姿估计流程整体流程1. 坐标系变换2. 对极约束3. 单目初始化4. 三角测量5. 求解空间3D坐标6. 最小化重投影误差 整体流程 1. 坐标系变换 已知：匹配的像素点对(u,v)，(u′,v′)(u,v)，(u^{'},v^{'})(u,v)，(u′,v′)，相机内参矩阵KKK 求解：相机归一化坐标(X′,Y′,1)(X^{'},Y^{'},1)(X′,Y′,1) 通过相机与像素间的坐标变换关系，可以得到下面公式： [uv1]=[fx0cx0fycy001][X′Y′1] \left[
对象检测和图像分割有什么区别？
小白学视觉
10-18 1580
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达01.人工智能中的图像预处理对象检测和图像分割是计算机视觉的两种方法，这两种处理手段在人工智能领域内...
VSLAM学习(三) 单目相机位姿估计
littlefrogyq的博客
12-02 1619
一、对极几何约束 相机在不同位姿拍到世界中同一个路标，会有不同的成像位置，如下图所示 世界路标P\boldsymbol PP，在相机两个不同位姿所拍到的帧I1,I2\boldsymbol I_1,\boldsymbol I_2I1​,I2​中，分别投影在了p1,p2\boldsymbol p_1,\boldsymbol p_2p1​,p2​两点。 这两帧时刻，相机的坐标中心点分别为C1,C2\boldsymbol C_1,\boldsymbol C_2C1​,C2​ e1,e2\boldsymbol e_
相机位姿估计3：根据两幅图像的位姿估计结果求某点的世界坐标
weixin_30436891的博客
01-22 1303
关键词：相机位姿估计，单目尺寸测量，环境探知 用途：基于相机的环境测量，SLAM，单目尺寸测量 文章类型：原理说明、Demo展示 @Author：VShawn @Date:2016-11-28 @Lab: CvLab202@CSU 目录 《相机位姿估计0：基本原理之如何解PNP问题》 《相机位姿估计1：根据四个特征点估计相机姿态》 《相机位姿估计1_1：OpenCV:...
opencv 两张图像的位姿估计
05-18
在 OpenCV 中，可以使用 PnP（Perspective-n-Point）算法来估计两张图像之间的位姿。PnP 算法是一种基于相机内参和三维点云的姿态估计方法，可以根据图片中的特征点和三维点云计算出相机在空间中的位置和方向。 以下是 OpenCV 中实现 PnP 算法的大致步骤： 1. 从两张图像中提取 SIFT 或 SURF 特征点，并进行匹配，得到一组匹配点对。 2. 根据匹配点对，估计出三维空间中的点云。 3. 定义相机内参矩阵，通过 PnP 算法计算相机外参矩阵（即相机在世界坐标系中的位置和方向）。 4. 通过相机内参矩阵和外参矩阵，将三维点云投影到二维平面上，与原始图片进行比较，计算误差并调整相机内参和外参矩阵。 5. 重复以上步骤，直到误差满足要求。 以下是一个简单的 Python 代码示例，展示了如何使用 OpenCV 中的 PnP 算法进行位姿估计： ```python import cv2 import numpy as np # 读取两张图片 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') # 提取 SIFT 特征点并进行匹配 sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) bf = cv2.BFMatcher() matches = bf.match(des1, des2) # 选取最优匹配点对 matches = sorted(matches, key=lambda x: x.distance) good_matches = matches[:50] pts1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) pts2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 估计相机位姿 K = np.array([[800, 0, 320], [0, 800, 240], [0, 0, 1]]) dist_coefs = np.zeros(5) success, rvec, tvec = cv2.solvePnP(pts1, pts2, K, dist_coefs) # 打印相机位姿 print("Rotation vector:\n", rvec) print("Translation vector:\n", tvec) ``` 需要注意的是，以上代码仅仅只是一个简单的示例，实际应用中还需要进行一些额外的处理，例如去除误匹配点等。
评论
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

R-G-B

你的鼓励将是我创作的最大动力

¥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