python中cv2.projectPoints的用法

最新推荐文章于 2025-03-01 02:05:24 发布

FourierTransformer

最新推荐文章于 2025-03-01 02:05:24 发布

阅读量7.9k

点赞数 3

文章标签： python 开发语言自动驾驶

本文链接：https://blog.csdn.net/qfpkzheng/article/details/131103247

版权

文章讲述了在C++中将Lidar点云数据通过旋转向量、平移向量、相机内参和畸变系数转换并投影到图像上的过程。原始方法可能包含相机后方的点，改进后通过筛选z坐标大于0的点来排除这些点。使用OpenCV的cv2.projectPoints函数进行投影，并计算出包围框的最大矩形。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们先看一下c++ 中的参数解释

在这里插入图片描述

第一个输入的点是一个, (N, 3) 维的三维坐标系中的点, xyz
第二个是旋转向量,
第三个是平移向量.
第四个是相机内参,
第五个是相机的畸变系数, 如果输入是4个时, 就是[k1, k2, p1, p2], 输入5个时就是 [k1, k2, p1, p2, k3], 也可以是更多, [k1, k2, p1, p2, k3, k4, k5, k6]

实战在python里面, 我用lidar的点往图像上投影的时候是这么用的(lidar上的3d框, 即8个点.)

    rotation = lidar2camera_pose[:3, :3]
    translation = lidar2camera_pose[:3, 3]
    dist = np.array(camera_disinfo)
    imagePoints, _ = cv2.projectPoints(lidar_points, rotation, translation, camera_K, dist)
    imagePoints = np.reshape(imagePoints, (8, 2))
    maxrect = cv2.boundingRect(imagePoints.astype(int))

但是这样做无法把相机后面的点给排除掉, 所以可以这样改

 lidar_points = np.dot(lidar2camera_pose[:3, :3], lidar_points.T).T + lidar2camera_pose[:3, [3]].reshape(1, 3)
    lidar_points = lidar_points[lidar_points[:, 2]>0]
    if len(lidar_points) < 8:
        return None
    rotation = np.eye(3)
    translation = np.zeros((3, 1))
    dist = np.array(camera_disinfo)
    imagePoints, flag = cv2.projectPoints(lidar_points, rotation, translation, camera_K, dist)
    imagePoints = np.reshape(imagePoints, (8, 2))
    maxrect = cv2.boundingRect(imagePoints.astype(int))