Question

使用FeatureDetector，我在两个具有相同元素的图像上获得功能，并将此功能与BruteForceMatcher相匹配。然后我使用OpenCv函数findHomography来获得单应矩阵

H = findHomography( src2Dfeatures, dst2Dfeatures, outlierMask, RANSAC, 3);

获取H矩阵，然后将图像与

对齐

warpPerspective(img1,alignedSrcImage,H,img2.size(),INTER_LINEAR,BORDER_CONSTANT);

我需要知道检测到的元素的旋转角度，比例，位移。有什么简单的方法来获得这个比一些大的方程式？一些评估公式只是为了将数据放入？

Answer 1

如果相机经过纯旋转或缩放而没有平移，则Homography会匹配位于平面上的元素的投影或任意3D的投影。因此，我们正在谈论的案例是指示我们的计算输入是什么：
- 平面目标，纯旋转，帧内单应性 - 平面目标，旋转和平移，目标到框架单应性 - 3D目标，纯旋转，帧到帧映射（受基本矩阵约束）

对于平面目标，通过帧到帧Homography（H ₁₂）可以轻松计算纯旋转：给定内部相机矩阵A，帧H1的平面到图像的单应性，H2可以表示为H ₁ = A，H ₂ = A * R，H ₁₂ = H2 * H1 ^-1 = A R A ^-1因此R = A ^{-1 < / SUP>ħ<子> 12 * A}

如果元素位于平面上，则可以通过分析目标到帧的单应性来计算相机平移的旋转（达到未知比例）。请注意，目标可以只是其中一个视图。假设您将原始平面目标作为图像（以某个参考方向拍摄），您的任务是分解图像H ₁₂之间的单应性，这可以通过SVD完成。 H的前两列代表旋转martrix的前两列，并通过H = ULV ^T，[r1 r2] = UDV ^T恢复，其中D为3x2最后一行的标识矩阵全为0.旋转矩阵的第三列只是前两列的矢量乘积。 Homography的最后一列是翻译向量时间常数。

最后，对于3D和纯相机旋转中的点的任意配置，使用基本矩阵分解而不是单应性计算旋转，请参阅this

Answer 2

cv::decomposeProjectionMatrix();

和

cv::RQDecomp3x3();

都与你想要的相似。

它们都不是完美的。它们背后的理论以及为什么你不能从3x3矩阵中提取所有参数有点麻烦。但简短的回答是3x3 proj矩阵是完全4x4矩阵的简化，基于所有点都保持在同一平面的事实。

Answer 3

您可以尝试使用levenberg marquardt优化，其中参数将是平移和旋转，方程将通过两个图像的特征之间的计算距离来表示（仅使用来自ransac单应性的内部）。这是LM http://www.ics.forth.gr/~lourakis/levmar/

的C ++实现

寻找同形和翘曲的视角

3 个答案: