一种简单的位姿估计（PoseEstimation）计算方法

最新推荐文章于 2024-05-09 00:16:09 发布

北一同学

最新推荐文章于 2024-05-09 00:16:09 发布

阅读量1.3w

点赞数 5

分类专栏：计算方法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/xiaolongjee/article/details/44520075

版权

位姿估计是计算机视觉领域一个基本问题。若已获得合作标志在摄像机坐标系下的坐标值，一般情况可采用奇异值分解或最小二乘的方法求解位姿信息中的旋转矩阵与平移矩阵，满足 Pci=RcwPwi+t0 P_i^c=R_w^cP_i^w+t_0 R2w=⎡⎣⎢r11r21r31r12r22r32r13r23r33⎤⎦⎥,t0=⎡⎣⎢txtytz⎤⎦⎥ R_w^2= \begin{bmatri

摘要由CSDN通过智能技术生成

尊重作者脑力和体力劳动，转载请注明出处，谢谢。

位姿估计是计算机视觉领域一个基本问题。若已获得合作标志在摄像机坐标系下的坐标值，一般情况可采用奇异值分解或最小二乘的方法求解位姿信息中的旋转矩阵与平移矩阵，满足

P c i = R c w P w i + t 0

$P_i^c=R_w^cP_i^w+t_0$

R 2 w = ⎡ ⎣ ⎢ r 11 r 21 r 31 r 12 r 22 r 32 r 13 r 23 r 33 ⎤ ⎦ ⎥, t 0 = ⎡ ⎣ ⎢ t x t y t z ⎤ ⎦ ⎥

$R_w^2= \begin{bmatrix} r_{11} &r_{12}& r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31}& r_{32} & r_{33}\\ \end{bmatrix},t_0= \begin{bmatrix} t_x \\ t_y\\ t_z \end{bmatrix}$
其中下标

c $c$ 表示

Camera $Camera$ ，

w $w$ 表示

World $World$ 。
奇异值分解是很通用的一种算法，但还不够简单。
一般情况下得到

3 $3$ 个特征点就可以获得位姿信息。不失一般性我们假设合作目标上共有

n $n$ 个标志，其在物体自身坐标系下的坐标为

P w i, i = 1, 2, \dots ， n

$P_i^w ,i=1,2,…，n$
计算得到对应的特征点在摄像机坐标系下的坐标为

P^c i, i = 1, 2, \dots ， n

$\hat P _i^c,i=1,2,…，n$ （

最低0.47元/天解锁文章

关注

5
点赞
踩
36

收藏

觉得还不错? 一键收藏
3
评论
一种简单的位姿估计（PoseEstimation）计算方法

位姿估计是计算机视觉领域一个基本问题。若已获得合作标志在摄像机坐标系下的坐标值，一般情况可采用奇异值分解或最小二乘的方法求解位姿信息中的旋转矩阵与平移矩阵，满足 Pci=RcwPwi+t0 P_i^c=R_w^cP_i^w+t_0 R2w=⎡⎣⎢r11r21r31r12r22r32r13r23r33⎤⎦⎥,t0=⎡⎣⎢txtytz⎤⎦⎥ R_w^2= \begin{bmatri
复制链接

扫一扫

专栏目录

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。