详解kinectfusion之二深度图转三维点云和法向量计算

最新推荐文章于 2024-04-26 11:19:07 发布

芹菜_cherie

最新推荐文章于 2024-04-26 11:19:07 发布

阅读量512

点赞数 7

文章标签：数码相机

本文链接：https://blog.csdn.net/m0_59578498/article/details/134945513

版权

上篇中简单介绍了kinectfusion的算法流程。本文将流程中的第一步，即如何把深度相机采集到的深度图，转换成点云数据和计算法向量，作详细介绍。

深度图转三维坐标

讲深度图与点云之间的关系，就不得不提相机模型——小孔成像模型。

将该模型简化与等效后，如下图所示。

矩阵表达出来就是，

假定像素坐标为 $\begin{bmatrix} u \\ v \\ 1 \end{bmatrix}$ ，与之对应的相机坐标系中的坐标为 $\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}$

深度图中的索引对应的就是像素坐标，根据相机的成像原理，我们可以得出像素坐标与相机坐标之间的关系是

$\begin{bmatrix} u \\ v \\ 1 \end{bmatrix}=\begin{bmatrix} f^{_{x}} & 0 & u^{_{0}} \\ 0&f^{_{y}}&v^{_{0}} \\ 0&0&1 \end{bmatrix}*\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}$

根据上面这个式子，我们可以轻易计算出 $\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}$ ，也就是

$x = \frac{u-u^{_{0}} }{f^{_{x}}}$

$y = \frac{v-v^{_{0}} }{f^{_{y}}}$

那么三维坐标根据深度值 $z^{_{w}}$ 便可轻易解出，

$\begin{bmatrix} x^{_{w}} \\ y^{_{w}} \\ z^{_{w}} \end{bmatrix}=z^{_{w}}*\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}= z^{_{w}}*\begin{bmatrix} \frac{u-u^{_{0}} }{f^{_{x}}} \\ \frac{v-v^{_{0}} }{f^{_{y}}} \\ 1 \end{bmatrix}$