相机位姿整理笔记

相机位姿

相机位姿估计是指给定若干图像,估计其相机运动的问题。求解方法通常分为特征点法和直接法。

1、特征点法

特征点法的思路是先从图像当中提取许多特征,然后在图像间进行特征匹配,这样就得到许多匹配好的点,再根据这些点进行相机位姿的求解。根据传感器形式的不同,可以分成三种情况:
(1)2D-2D:单目相机获取的图像,只能获取像素坐标
(2)3D-3D配对点: RGBD图像或双目相机,可以获取深度信息
(3)3D-2D:已知一张图中的3D信息,另一张图只有2D信息

从问题的角度分析:
在两帧各自的相机坐标系中,设P点的相机坐标系的坐标分别为P1、P2,如图1所示。
图1 相机位姿估计示意图
其中 ,
P1=(X1 Y1 Z1),P2=(X2 Y2 Z2)
相机从第一帧移动到第二帧,其旋转矩阵设为R,平移向量设为t。这里的R表示的旋转是相对于第一帧的姿态改变量。那么有:
P2=RP1+t
相机位姿估计的最终目的就是要根据这个运动方程,求解出相机的运动,也就是R、t。注意这里的R、t并不是相机外参!

由于P1、P2的坐标未知,但其在像素坐标系的坐标p1、p2已知,因此,根据小孔成像模型寻找p1、p2和P1、P2之间的关系。

2、小孔成像模型

小孔成像模型的示意图如图2所示。设P点在世界坐标系下坐标为Pw,在相机坐标系下坐标为Pc,物理成像平面对应坐标为 P′, 像素平面对应坐标为p, 有:

p=(u v),P‘=(X‘ Y‘ Z‘),Pc=(Xc Yc Zc),Pw=(Xw Yw Zw)
图2 小孔成像模型示意图
根据小孔成像模型,有如下公式:

在这里插入图片描述
该公式给出了点P相机坐标系下坐标与像素平面坐标之间的关系。

其余解释详细见

相机位姿入门

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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