从Homography分解中寻找最合适的旋转和平移
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从Homography分解中寻找最合适的旋转和平移相关的知识,希望对你有一定的参考价值。
我正试图从Homography功能中找到旋转和平移。首先,我计算相应的特征点,并使用findHomography()
我计算了Homography矩阵。然后,使用decomposeHomographyMat()
,我得到了四个旋转和翻译结果。
我使用的代码如下:
Mat frame_1, frame_2;
frame_1 = imread("img1.jpg", IMREAD_GRAYSCALE);
frame_2 = imread("img2.jpg", IMREAD_GRAYSCALE);
vector<KeyPoint> keypts_1, keypts_2;
Mat desc1, desc2;
Ptr<Feature2D> ORB = ORB::create(100 );
ORB->detectAndCompute(frame_1, noArray(), keypts_1, desc1);
ORB->detectAndCompute(frame_2, noArray(), keypts_2, desc2);
Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
vector<DMatch> matches;
matcher->match(desc1, desc2, matches);
vector<Point2f>leftPts, rightPts;
for (size_t i = 0; i < matches.size(); i++)
{
//queryIdx is the left Image
leftPts.push_back(keypts_1[matches[i].queryIdx].pt);
//trainIdx is the right Image
rightPts.push_back(keypts_2[matches[i].trainIdx].pt);
}
Mat cameraMatrix = (Mat1d(3, 3) << 706.4034, 0, 277.2018, 0, 707.9991, 250.6182, 0, 0, 1);
Mat H = findHomography(leftPts, rightPts);
vector<Mat> R, t, n;
decomposeHomographyMat(H, cameraMatrix, R, t, n);
现在什么是正确的轮换和翻译,至少是最合适的。我甚至使用下面的函数检查旋转是否有效,并发现所有都有效。
bool isRotationMatrix(Mat &R)
{
Mat Rt;
transpose(R, Rt);
Mat shouldBeIdentity = Rt * R;
Mat I = Mat::eye(3, 3, shouldBeIdentity.type());
return norm(I, shouldBeIdentity) < 1e-6;
}
请有人建议我,我应该使用什么价值。结果转换是一个缩放值,可以直接使用,与Essential Matrix分解情况不同?我非常感谢有人能指导我找到这个。
感谢您!
我使用了Vaesper的函数'filterHomographyDecompByVisibleRefpoints'。你可以检查代码here。
您只需要输入旋转矩阵,从decomposeHomographyMat获得的法线和用于获得单应矩阵的点对应关系。上述功能将返回2种可能的解决方案。你可以在Ebya here的回答中看到更多关于这个想法的内容。
在获得2个可能的解决方案后,您将不得不以某种方式根据您的情况进行一些检查,以便找到正确的解决方案。由于我使用单位矩阵作为相机矩阵,所获得的平移值以像素为单位,需要使用一些外部传感器进行缩放。在我的例子中,相机和平面物体之间的距离固定在z轴上,因此,我只计算了1个像素代表的世界单位。
结果转换是一个缩放值,可以直接使用,与Essential Matrix分解情况不同?
唉,没有。
OpenCV实现的参考文献Malis&Vargas在第8页说明了这一点:
请注意,转换估计最多为正标量因子
以上是关于从Homography分解中寻找最合适的旋转和平移的主要内容,如果未能解决你的问题,请参考以下文章
OpenCV使用二维特征点(Features2D)和单映射(Homography)寻找已知物体