solvePnP()函数
bool cv::solvePnP ( InputArray objectPoints,
InputArray imagePoints,
InputArray cameraMatrix,
InputArray distCoeffs,
OutputArray rvec,
OutputArray tvec,
bool useExtrinsicGuess = false,
int flags = SOLVEPNP_ITERATIVE
)
最后一项flags即为位姿计算方法,默认为迭代法,对应的是数字0。
具体的每个方法的对应数值如下:
enum cv::SolvePnPMethod {
cv::SOLVEPNP_ITERATIVE = 0,
cv::SOLVEPNP_EPNP = 1,
cv::SOLVEPNP_P3P = 2,
cv::SOLVEPNP_DLS = 3,
cv::SOLVEPNP_UPNP = 4,
cv::SOLVEPNP_AP3P = 5,
cv::SOLVEPNP_IPPE = 6,
cv::SOLVEPNP_IPPE_SQUARE = 7,
cv::SOLVEPNP_SQPNP = 8
}
下面翻译官方文档中的位姿计算方法介绍:
位姿计算方法
cv::SOLVEPNP_ITERATIVE 基于Levenberg-Marquardt 优化的迭代计算方法。通过这种方式函数找到重投影误差最小化的位姿,重投影误差是“像点”和被投影的“物点”的平方距离之和。非平面“物点”需要至少6个点并使用DLT算法求出初始解。位于同平面的“物点”需要至少4个点并使用单应矩阵分解算出初始解。
cv::SOLVEPNP_P3P 方法基于论文X.S. Gao, X.-R. Hou, J. Tang, H.-F. Chang “Complete Solution Classification for the Perspective-Three-Point Problem” 。这种方式需要正好4个物方和像方点。
cv::SOLVEPNP_AP3P 方法基于论文"An Efficient Algebraic Solution to the Perspective-Three-Point Problem"。这种方法需要正好4个物方和像方点。
cv::SOLVEPNP_EPNP 方法由论文F. Moreno-Noguer, V. Lepetit and P. Fua in the paper "EPnP: Efficient Perspective-n-Point Camera Pose Estimation"介绍。
cv::SOLVEPNP_DLS 执行失败。使用此标志将回退到EPnP。
cv::SOLVEPNP_UPNP 执行失败。使用此标志将回退到EPnP。
其他几种方法参考
https://docs.opencv.org/4.x/d5/d1f/calib3d_solvePnP.html#calib3d_solvePnP_flags