Question

我正在匹配一个模板，我知道距离＆amp;我的法线向量。

即。如果我的单应性是单位矩阵，那么我的相机距离= 1.0m＆amp;我的法线是0。

现在我有了第二张图片，其中我成功对齐了我的模板，给出了单应性：

     [0.82072, 0.05685, 66.75024]
 H = [0.02006, 0.86092, 39.34907]
     [0.00003, 0.00017, 01.00000]

我也有相机矩阵。

opencv函数：

cv::decomposeHomographyMat()

为旋转（3x3垫），翻译（3x1垫）和＆amp;法向量（3x1）。

cv::warpPerspective()

能够将当前相机视图几乎完美地映射到我的模板。

因此应该可以获得实际缩放（模板到对齐）＆amp;法线向量。

但是我无法弄清楚如何真正选择cv :: decomposeHomographyMat（）的正确解决方案，我错过了什么？

编辑：发布＆＃34;问题＆＃34;没有问题......

Answer 1

我明白了。

第一步：

我在ROI中创建了一组点，我可以映射到我的模板（由ROI角定义的区域中的点）。

第二步：

使用cv :: decomposeHomographyMat（）

的所有解决方案来扭曲ROI中的点数（从第一步开始;在我的所有测试和用例中都有8点就足够了）

排除所有给出point3D（x，y，z）的解决方案，其中z值<＆lt; 0（即点位于相机后面）。

第三步：

此时你应该留下一到两个解决方案。所有旋转矩阵应该是相同的，只有正常的＆amp;翻译矩阵应该不同。

翻译矩阵应验证：

Translation_Solution1 = -1* Translation_Solution2

然后将您的ROI区域与模板区域进行比较。如果您的投资回报率区域小于您的模板，则表示您的模板已按比例缩小＆＃34;即您的相机在负值上对z进行了平移。否则你的相机会对正z值进行翻译。

选择合适的解决方案。

我的错误是认为warpPerspective（）实际上正在解决Homography分解，但事实并非如此。

Answer 2