opencv的solvepnp求头部姿态问题
solvePnP与solvePnPRansac
据知乎 https://zhuanlan.zhihu.com/p/431617746 说法,RANSAC通过反复选择数据中的一组随机子集来达成目标。从而保证了稳定性,提高了精度。
不同scale的3D Model的稳定性问题
最近发现solvePnPRansac计算头部姿态时,3d model采用不同单位(mm,cm,m),即不同的scale,头部姿态会出现波动。以如下图片为例:
不同scale系数(1~1000)下solvePnPRansac计算出来的yaw角度会在60°附近波动;如果固定scale不动,重复计算1000次,计算出来的值是不变的,说明不是随机选的问题,还是跟scale相关的:
采用solvePnP求解速度会快很多,而且不会受scale的影响,但计算出来的值明显不大对,yaw才44度左右,与原图角度明显偏差较大:
print("solvePnP: ", t2 - t1, ", solvePnPRansac: ", t3 - t2):
solvePnP: 0.4632143974304199 , solvePnPRansac: 3.5821871757507324
结论
1、大角度下solvePnPRansac还是比solvePnP准,但速度会慢很多。
2、为了保证结果准确性,在模型训练和部署的时候,要保证采用量纲的一致性。
3、此外把脸模放到工作位置(比如实际模特的位置在相机前70cm处,则把脸模也放在相机70cm处)上,也会取得更好的效果。