织梦网站管理安装,申请制作网站,营销型网站排,滁州金鹏建设集团网站操作系统#xff1a;ubuntu22.04 OpenCV版本#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言#xff1a;C11
算法描述
使用RANSAC方案从3D-2D点对应关系中找到物体的姿态。 cv::solvePnPRansac 是 OpenCV 中用于估计物体姿态#xff08;即旋转和平移#xff09;的… 操作系统ubuntu22.04 OpenCV版本OpenCV4.9 IDE:Visual Studio Code 编程语言C11
算法描述
使用RANSAC方案从3D-2D点对应关系中找到物体的姿态。 cv::solvePnPRansac 是 OpenCV 中用于估计物体姿态即旋转和平移的函数它通过随机抽样一致性算法RANSAC来增强对异常值outliers的鲁棒性。
函数原型
bool cv::solvePnPRansac
(InputArray objectPoints,InputArray imagePoints,InputArray cameraMatrix,InputArray distCoeffs,OutputArray rvec,OutputArray tvec,bool useExtrinsicGuess false,int iterationsCount 100,float reprojectionError 8.0,double confidence 0.99,OutputArray inliers noArray(),int flags SOLVEPNP_ITERATIVE
)
参数 参数objectPoints 物体坐标空间中的物体点数组格式为Nx3的单通道或1xN/Nx1的三通道其中N是点的数量。也可以传递 参数vector 类型的数据。 参数imagePoints 对应的图像点数组格式为Nx2的单通道或1xN/Nx1的双通道其中N是点的数量。也可以传递 vector 类型的数据。 参数cameraMatrix 输入的相机内参矩阵 A [ f x 0 c x 0 f y c y 0 0 1 ] A \begin{bmatrix} f_x 0 c_x \\ 0 f_y c_y \\ 0 0 1 \end{bmatrix} A fx000fy0cxcy1 。 参数distCoeffs 输入的畸变系数向量 (k1, k2, p1, p2 [,k3 [,k4, k5, k6 [,s1, s2, s3, s4 [,τx, τy]]]])包含4、5、8、12或14个元素。如果该向量为空则假设畸变为零。 参数rvec 输出的旋转向量见 Rodrigues与 tvec 一起将模型坐标系中的点变换到相机坐标系中。 参数tvec 输出的平移向量。 参数useExtrinsicGuess 仅用于 SOLVEPNP_ITERATIVE 方法。如果为真1函数会使用提供的 rvec 和 tvec 值作为旋转和平移向量的初始近似值并进一步优化它们。 参数iterationsCount 迭代次数。 参数reprojectionError RANSAC过程使用的内点阈值。参数值是观察到的投影点和计算出的投影点之间的最大允许距离以被认为是内点。 参数 confidence 算法产生有用结果的概率。 参数inliers 输出向量包含 objectPoints 和 imagePoints 中内点的索引。 参数flags 解决PnP问题的方法见 solvePnP。
该函数根据一组物体点及其对应的图像投影以及相机内参矩阵和畸变系数来估计物体的姿态。这个函数寻找一个使重投影误差最小的姿态即观测到的投影点 imagePoints 和使用 projectPoints 投影的 objectPoints 之间的平方距离之和最小。RANSAC的使用使得函数对异常值具有鲁棒性。
注意
使用 solvePNPRansac 进行物体检测的一个示例可以在 opencv_source_code/samples/cpp/tutorial_code/calib3d/real_time_pose_estimation/ 找到。 最小样本集步骤中用于估计相机姿态的默认方法是 SOLVEPNP_EPNP。例外情况包括 如果选择了 SOLVEPNP_P3P 或 SOLVEPNP_AP3P则这些方法将被使用。 如果输入点的数量等于4则使用 SOLVEPNP_P3P。 使用所有内点估计相机姿态的方法由 flags 参数定义除非它等于 SOLVEPNP_P3P 或 SOLVEPNP_AP3P在这种情况下将使用 SOLVEPNP_EPNP 方法代替。
代码示例
#include iostream
#include opencv2/opencv.hpp
#include vectorusing namespace cv;
using namespace std;int main()
{// 确保至少有4个点对vector Point3f objectPoints { Point3f( 0.0f, 0.0f, 0.0f ), Point3f( 1.0f, 0.0f, 0.0f ), Point3f( 0.0f, 1.0f, 0.0f ), Point3f( 1.0f, 1.0f, 0.0f ) };vector Point2f imagePoints { Point2f( 300.0f, 300.0f ), Point2f( 400.0f, 300.0f ), Point2f( 300.0f, 400.0f ), Point2f( 400.0f, 400.0f ) };// 检查点的数量是否一致if ( objectPoints.size() ! imagePoints.size() || objectPoints.size() 4 ){cerr Error: Need at least 4 point pairs and the number of points must match. endl;return -1;}// 相机内参矩阵Mat cameraMatrix ( Mat_ double ( 3, 3 ) 520.9, 0, 325.1, 0, 521.0, 249.7, 0, 0, 1 );// 畸变系数Mat distCoeffs ( Mat_ double ( 5, 1 ) 0.2624, -0.9531, -0.0054, 0.0026, 1.1633 );// 输出变量Vec3d rvec; // 旋转向量Vec3d tvec; // 平移向量// 调用 solvePnPRansac 函数bool success solvePnPRansac( objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec, false, 100, 8.0, 0.99, noArray(), SOLVEPNP_ITERATIVE );if ( success ){cout 成功找到解 endl;cout 旋转向量: rvec endl;cout 平移向量: tvec endl;// 可选将旋转向量转换为旋转矩阵Mat R;Rodrigues( rvec, R );cout 旋转矩阵: endl R endl;}else{cout 未能找到有效的解 endl;}return 0;
}运行结果
成功找到解
旋转向量: [0.0425377, -0.0162527, -0.000105512]
平移向量: [-0.251554, 0.504018, 5.22556]
旋转矩阵:
[0.9998679414301481, -0.000240141627923739, -0.01624937021045788;-0.0004510929798306415, 0.999095423415709, -0.04252212864978416;0.01624488274385277, 0.04252384321511622, 0.9989633759767446]
