#备忘# opengl + opencv 实现自定义标志物AR中的view矩阵转换问题

本文不重复上述网址的过程,但建议先看完上面的再看本文,本文主要说明:solvepnp计算的旋转向量(rvec)和平移向量(tvec)为何要翻转Y和Z轴,才能转换为opengl中的modelview矩阵?

ps:其实个人觉得这叫view矩阵比较适合,因为这矩阵只涉及世界坐标系到相机坐标系的变换,而没有要渲染的虚拟物体自发的变换。

一、solvepnp的文档说明opencv文档了解一下

    1. 参数

Python:

retval, rvec, tvec = cv.solvePnP(
  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
实现图片的车牌检测,可以使用Python和OpenCV库。 首先,需要加载图片并将其转换为灰度图像: ```python import cv2 # 加载图片 img = cv2.imread('car.jpg') # 将图片转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 接下来,可以使用Haar级联分类器来检测车牌。Haar级联分类器是一种基于特征的对象检测方法,可以通过训练来检测特定的对象。OpenCV提供了一些预训练的Haar级联分类器,包括用于车牌检测的分类器。 ```python # 加载车牌分类器 plate_cascade = cv2.CascadeClassifier('haarcascade_license_plate.xml') # 检测车牌 plates = plate_cascade.detectMultiScale(gray, 1.3, 5) ``` 在这里,`detectMultiScale`方法将返回一个矩形列表,表示检测到的车牌位置和大小。可以使用`rectangle`方法将这些矩形绘制在原始图像上: ```python # 绘制检测到的车牌 for (x, y, w, h) in plates: cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) # 显示结果 cv2.imshow('License Plate Detection', img) cv2.waitKey(0) ``` 最终的代码如下: ```python import cv2 # 加载图片 img = cv2.imread('car.jpg') # 将图片转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 加载车牌分类器 plate_cascade = cv2.CascadeClassifier('haarcascade_license_plate.xml') # 检测车牌 plates = plate_cascade.detectMultiScale(gray, 1.3, 5) # 绘制检测到的车牌 for (x, y, w, h) in plates: cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) # 显示结果 cv2.imshow('License Plate Detection', img) cv2.waitKey(0) ``` 其,`haarcascade_license_plate.xml`是在OpenCV官网上下载的预训练的车牌分类器。

“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