Question

我一直在尝试计算2张图片中的功能，然后将这些功能传回CameraParams.R，但没有运气。功能已成功计算和匹配，但问题是将它们传递回R & t。

我知道你必须分解Homography才能实现这一点，我已经用这样的方式完成了这个：https://github.com/syilma/homography-decomp，但我真的做得对吗？

现在我只是使用：

匹配

vector< vector<DMatch> > matches;
Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create(algorithmName);
matcher->knnMatch( descriptors_1, descriptors_2, matches, 50 );

vector< DMatch > good_matches; // Storing good matches here

我注意到good_matches没有在任何地方使用过。所以我想我的问题是，如何将good_matches传回cameras.R/t？

提取Homography：

Mat K;
cameras[img_idx].K().convertTo(K, CV_32F);

findHomography -> decomposeHomography(H, K, outputR,outputT,noarray()).

然后利用上面的库，我传递R＆amp;的值。 t但回答是在4种可能的结果中没有发现单应性。

我在正确的道路上吗？看起来像decomposeHomography是一个3D解决方案，但是，findHomography是2D？

绝对目标：

根据图像中的功能优化CameraParam.R/t。

为什么呢？因为我正在从设备旋转矩阵传递.R，但旋转稍微不准确。在我之前的问题上查看有关它的更多信息：Refining Camera parameters and calculating errors - OpenCV

Answer 1

如果您使用计算出的R进行图像拼接，则无需使用分解单应性。整个拼接管道假定为零翻译。因此，它仅为旋转情况提供了完美的输出，并且在摄像机姿势中引入了平移，引入了轻微的误差。如果你从单应性中研究R的opencv计算，它假定0翻译。

Mat R = K_from.inv() * pairwise_matches[pair_idx].H.inv() * K_to;
cameras[edge.to].R = cameras[edge.from].R * R;

您可以在motion_estimators.cpp - ＆gt; calcRotation函数中找到源代码。使用好的匹配来计算R. goodmatches的问题实际上用于计算单应矩阵，使用 findhomography 函数

所以整个过程就像

查找匹配项（如您所述）
使用 findhomography 从这些匹配中查找单应矩阵功能
使用 calcrotation 函数查找R
使用 findfocalfromhomography 函数查找焦点并创建内在矩阵
使用warper，seamfinder和blender进行最终拼接输出

估算自然同源的R / T

1 个答案: