论文阅读——线特征位姿计算

最新推荐文章于 2023-09-05 07:02:38 发布

Lance Yu

最新推荐文章于 2023-09-05 07:02:38 发布

阅读量990

点赞数 1

分类专栏： SLAM

本文链接：https://blog.csdn.net/yulongshanmuxi/article/details/105318645

版权

SLAM 专栏收录该内容

9 篇文章 2 订阅

订阅专栏

本文利用线特征计算相机的位姿——绝对和相对位姿。

求解目的： $R_{WC}$ 和 $t$ 平移向量。

思路：利用矩阵乘法分解：

$R_{WC}=R_{WM}R_{MC}$

而 $R_{WM}$ 可以基于一定的假设设计出来，首先世界坐标系下两条互相垂直的直线—— $L_1,L_2$ 。其方向向量已知为 $v^W_1,v^W_2$ 。然后假设其分别为MF（不知道怎么命名）坐标系的x和y轴。因此， $R_{WM}$ 为；

因此，求 $R_{WC}$ 即转变为求 $R_{MC}$ 了。那么接着参数化表达 $R_{MC}$ ，由于直线在MF坐标系下方向向量已知，只要求出对应直线在相机坐标下下的方向向量即可求出 $R_{MC}$ 。

参数说明：

$v_1 ,v_2$ 为 $L_1,L_2$ 在相机坐标系下的方向向量。

$l_1,l_2$ 为对应的图像上的2D直线。

$n_i$ 为直线 $l_i$ 和相机光心构成平面的法向量。

$d$ 为与 $n_1$ 垂直的单位向量。（ $n_1$ 可知—— $d$ 可知）

见上图有以下约束：

$n_1^Td=0$ $n_1^Tv_1=0$ $n_2^Tv_2=0$ $v_1\times v_2=0$

论文巧妙的一点来了：虽然 $v_1 ,v_2$ 在相机坐标系下未知，但是 $v_1$ 与 $d$ 共面，而 $d$ 可以直接求出（ $n_1$ 已知——利用 $l_1$ 和相机内参求得）。因此 $v_1$ 可认为是 $d$ 绕 $n_1$ 在平面上旋转而来的，而平面上的旋转矩阵就只有一个参数：

$v_1=R(n_1,\alpha)d$

因此 $v_1$ 可以使用一个参数参数化。而对于 $v_2$ 使用后面两个约束，而对于 $v_3$ 则有垂直于 $v_1 ,v_2$ 的约束。

因此即可建立只有一个参数的 $R_{MC}$ ，现在只需第三条直线，满足以下条件之一，即可求解。

旋转求出来后，再求平移向量就很容易了，找3D-2D对应点或2D-2D点（对极几何）

参考文献：

Haoang Li, Ji Zhao, Jean-Charles Bazin, Wen Chen, Kai Chen, and Yun-Hui Liu, “Line-based Absolute and Relative Camera Pose Estimation in Structured Environments”, The 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019)

Lance Yu

关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
2
评论
论文阅读——线特征位姿计算

本文利用线特征计算相机的位姿——绝对和相对位姿。求解目的：和平移向量。思路：利用矩阵乘法分解：而可以基于一定的假设设计出来，首先世界坐标系下两条互相垂直的直线—— 。其方向向量已知为。然后假设其分别为MF（不知道怎么命名）的x和y轴。因此，为；...
复制链接

扫一扫