Python计算机视觉编程（六）增强现实

静态

增强现实技术（Augmented Reality，简称 AR），是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术，这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。

我们可以把过程大致分为以下四步：

• 识别参考平面
  • 特征提取
  • 特征描述
  • 特征匹配
• 计算单应性矩阵
• 转换坐标系
• 在图像中投影并描绘3D模型

在图像中投影并描绘3D模型

前三个部分在之前的博客都有提及
python计算机视觉编程（三）——Harris角点 SIFT 匹配地理标记图像.
python计算机视觉编程（四）图像到图像的映射.
所以主要讲述一下第四点

相机投影模型

相机成像的过程实际是将三维空间中的点映射到二维空间的过程，可以简单的使用小孔成像模型来描述该过程。

针孔相机模型

在描述小孔的成像过程前，首先来定义两个坐标系：

• 相机坐标系（三维坐标系）
  相机的中心被称为光心，以光心c为原点和坐标轴X,Y,Z组成了相机坐标系
• 图像坐标系（二维坐标系）
  成像平面中，以成像平面的中心像主点为原点和坐标轴x,y组成了图像坐标系。
  
  根据图片中的三角形相似可以得到两个坐标系的对应关系
  
  但是该映射z却不是线性的，引入新坐标线性化，得到
  

内参数

相机的内参数由下面的两部分组成：

• 射影变换本身的参数，相机的焦点到成像平面的距离，也就是焦距f。
• 从成像平面坐标系到像素坐标系的变换。上面推导中使用的像点坐标p=(x,y)是成像平面坐标系下，以成像平面的中心为原点。而实际像素点的表示方法是以像素来描述，坐标原点通常是图像的左上角，X轴沿着水平方向向左，Y轴竖直向下。像素是一个矩形块，所以像素坐标和成像平面坐标之间，相差了一个缩放和原点的平移。
  假设像素坐标的水平方向的轴为x，竖直方向的轴为y，那么将一个成像平面的坐标(x,y)在水平方向上缩放a倍，在竖直方向上缩放b倍，同时平移(cx,cy)，就可以得到像素坐标系的坐标(x’,y’)，其公式如下：
• x=a*x’+cx
• y=b*x’+cy
  与上面得到的其次坐标联立，有
  
  我们就能得到相机的内参矩阵
  

外参数

我们知道p=KP，其中p是图像坐标系的点，K是内参矩阵，P是相机坐标系。
而相机坐标系并不稳定，会变化，我们引进一个不变的世界坐标系。
设P’是相机坐标系的点，P是世界坐标系，R是旋转矩阵，t是一个平移向量，那么有P’=RP+t


将其写成齐次坐标的形式，我们可以得到 外参数T

最后我们得到

相机标定原理——张正友标定

张正友标定只考虑了径向畸变，没有考虑切向畸变



我们把世界坐标系放在平面上，即z=0，可以得到：

那么，关系可以改写为


λ 是任意标量。可知r1和r2是正交的，有：

相机标定解决办法

封闭解

B是对称的，定义一个六维向量

设h中第j行为

我们得到

其中vij为

写成其次形式

对n张图片有

式中v是一个2n*6的矩阵

b被估计出来以后，我们可以计算内参矩阵A，之后外部参数也能算出来。

最大似然估计

上面的解决办法，在一般情况下是没有物理意义的。
我们给定n张图片，每张m个角点。最大似然可以从下列公式的最小值得到

径向畸变的处理

径向畸变一般很小，简单的忽略径向畸变后，可以用最大似然估计的方法估计另外五个参数。一种策略是估计其他参数后在估计k1和k2。然后从上式中，对每幅图的每个点可以得到两个方程

n幅图像中共有m个点，迭代所有方程得到一个2mn的方程组，或者以矩阵形式
其中
由最小二乘法得到

k1和k2估计出来后，可以通过解最大似然估计来重新估计其他参数。

标定结果

拍摄设备：荣耀V8
棋盘如下，共拍摄15张照片

内参矩阵

k1 k2

外参矩阵

从OpenCV到OpenGL

了解了上面的内容，得到摄像机的内参K和外参[R|T]后，就可以开始考虑将虚拟物体添加进来了。

代码

结果如开头图片

import math
import pickle
from pylab import *
from OpenGL.GL import * 
from OpenGL.GLU import * 
from OpenGL.GLUT import * 
import pygame, pygame.image 
from pygame.locals import *
from PCV.geometry import homography, camera
from PCV.localdescriptors import sift

def cube_points(c, wid):
    """ Creates a list of points for plotting
        a cube with plot. (the first 5 points are
        the bottom square, some sides repeated). """
    p = []
    # bottom
    p.append([c[0]-wid, c[1]-wid, c[2]-wid])
    p.append([c[0]-wid, c[1]+wid, c[2]-wid])
    p.append([c[0]+wid, c[1]+wid, c[2]-wid])
    p.append([c[0]+wid, c[1]-wid, c[2]-wid])
    p.append([c[0]-wid, c[1]-wid, c[2]-wid]) #same as first to close plot
    
    # top
    p.append([c[0]-wid, c[1]-wid, c[2]+wid])
    p.append([c[0]-wid, c[1]+wid, c[2]+wid])
    p.append([c[0]+wid, c[1]+wid, c[2]+wid])
    p.append([c[0]+wid, c[1]-wid, c[2]+wid])
    p.append([c[0]-wid, c[1]-wid, c[2]+wid]) #same as first to close plot
    
    # vertical sides
    p.append([c[0]-wid, c[1]-wid, c[2]+wid])
    p.append([c[0]-wid, c[1]+wid, c[2]+wid])
    p.append([c[0]-wid, c[1]+wid, c[2]-wid])
    p.append([c[0]+wid, c[1]+wid, c[2]-wid])
    p.append([c[0]+wid, c[1]+wid, c[2]+wid<