Question

我正在尝试验证我的相机校准，所以我想纠正校准图像。我希望这将涉及使用warpPerspective的调用，但我没有看到一个明显的函数，它采用相机矩阵，旋转和平移向量为此调用生成透视矩阵。

基本上我想做here描述的过程（尤其是最后的图像），但从已知的相机模型和姿势开始。

是否有一个简单的函数调用，它接受相机的内在和外在参数，并计算透视矩阵以便在warpPerspective中使用？

在图片上调用warpPerspective后，我会打电话给undistort。

原则上，我可以通过在指定约束Z=0后求解opencv camera calibration documentation顶部定义的方程组来推导出解决方案，但我认为必须有一个固定的例行程序允许我对我的测试图像进行正射校正。

在我的搜索中，我发现很难通过所有的立体声校准结果 - 我只有一台摄像机，但是想要在我只看平面测试模式的约束下纠正图像。

Answer 1

实际上没有必要涉及正交相机。以下是如何获得适当的透视变换。

如果您使用cv::calibrateCamera校准了相机，则为相机获取了相机矩阵K一个镜头失真系数D矢量，并且对于您使用的每个图像，都是一个旋转向量rvec（您可以使用R，doc）和翻译向量cv::rodrigues将其转换为3x3矩阵T。考虑其中一个图片以及相关的R和T。使用失真系数调用cv::undistort后，图像就像投影矩阵K * [ R | T ]的摄像头一样。

基本上（如@DavidNilosek直觉），你想要取消旋转并获得图像，好像它是由K * [ I | -C ]形式的投影矩阵获取的，其中C=-R.inv()*T是摄像机位置。为此，您必须应用以下转换：

Hr = K * R.inv() * K.inv()

唯一可能的问题是扭曲的图像可能会超出图像平面的可见部分。因此，您可以使用其他翻译来解决该问题，如下所示：

     [ 1  0  |         ]
Ht = [ 0  1  | -K*C/Cz ]
     [ 0  0  |         ]

其中Cz是沿Oz轴的C分量。

最后，根据上面的定义，H = Ht * Hr是对所考虑图像的整形透视变换。

Answer 2

这是我的意思草图＆＃34;解决方程系统＆＃34; （在Python中）：

import cv2
import scipy  # I use scipy by habit; numpy would be fine too
#rvec= the rotation vector
#tvec = the translation *emphasized text*matrix
#A = the camera intrinsic

def unit_vector(v):
    return v/scipy.sqrt(scipy.sum(v*v))

(fx,fy)=(A[0,0], A[1,1])
Ainv=scipy.array( [ [1.0/fx, 0.0, -A[0,2]/fx],
                     [ 0.0,  1.0/fy, -A[1,2]/fy],
                     [ 0.0,    0.0,     1.0] ], dtype=scipy.float32 )
R=cv2.Rodrigues( rvec )
Rinv=scipy.transpose( R )

u=scipy.dot( Rinv, tvec ) # displacement between camera and world coordinate origin, in world coordinates


# corners of the image, for here hard coded
pixel_corners=[ scipy.array( c, dtype=scipy.float32 ) for c in [ (0+0.5,0+0.5,1), (0+0.5,640-0.5,1), (480-0.5,640-0.5,1), (480-0.5,0+0.5,1)] ]
scene_corners=[]
for c in pixel_corners:
    lhat=scipy.dot( Rinv, scipy.dot( Ainv, c) ) #direction of the ray that the corner images, in world coordinates
    s=u[2]/lhat[2]
    # now we have the case that (s*lhat-u)[2]==0,
    # i.e. s is how far along the line of sight that we need
    # to move to get to the Z==0 plane.
    g=s*lhat-u
    scene_corners.append( (g[0], g[1]) )

# now we have: 4 pixel_corners (image coordinates), and 4 corresponding scene_coordinates
# can call cv2.getPerspectiveTransform on them and so on..

OpenCV：从翻译中获取透视矩阵＆amp;回转

2 个答案: