OpenCV extrinsische Kamera von der feature-Punkte

War ich konfrontiert mit dem gleichen problem wie du, in OpenCV. Ich hatte eine stereo image pair-Mädchen und ich wollte, berechnete die externen Parameter der Kameras und die Welt-Koordinaten aller beobachteten Punkte. Dieses problem wurde hier behandelt:

Berthold K. P. Horn. Die Relative Orientierung revisited. Berthold K. P. Horn. Artificial Intelligence Laboratory, Massachusetts Institute of Technology, 545 Technology ...

http://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.64.4700

Aber ich war nicht in der Lage zu finden, eine geeignete Implementierung für dieses problem (vielleicht findest du eins). Wegen zeitlicher Einschränkungen habe ich keine Zeit, das alles zu verstehen, die Mathematik in das Papier und setzen Sie um mich, so kam ich mit einem quick-und-dirty-Lösung, die für mich funktioniert. Ich werde erklären, was ich getan habe, um es zu lösen:

Angenommen, wir haben zwei Kameras, wobei die erste Kamera hat externe Parameter RT = Matx::Auge(). Jetzt vermuten über die die rotation R der zweiten Kamera. Für jedes paar Bild Punkte beobachtet, die in beiden Bildern berechnen wir die Richtungen Ihrer entsprechenden Strahlen in Welt-Koordinaten und speichern Sie in einem 2d-array dirs (EDIT: Die internen Parameter der Kamera sind davon ausgegangen, dass bekannt ist). Wir können dies, da wir davon ausgehen, dass wir wissen, dass Sie die Ausrichtung jeder Kamera. Jetzt bauen wir einen überdeterminierten lineares system AC = 0wo C ist das Zentrum der zweiten Kamera. Ich biete Ihnen mit der Funktion zur Berechnung:

Mat buildA(Matx<double, 3, 3> &R, Array<Vec3d, 2> dirs)
{
    CV_Assert(dirs.size(0) == 2);
    int pointCount = dirs.size(1);
    Mat A(pointCount, 3, DataType<double>::type);
    Vec3d *a = (Vec3d *)A.data;
    for (int i = 0; i < pointCount; i++)
    {
        a[i] = dirs(0, i).cross(toVec(R*dirs(1, i)));
        double length = norm(a[i]);
        if (length == 0.0)
        {
            CV_Assert(false);
        }
        else
        {
            a[i] *= (1.0/length);
        }
    }
    return A;
}

Dann ruft cv::SVD::solveZ(A) geben Sie die least-squares Lösung von norm 1 in diesem system. Auf diese Weise erhalten Sie die rotation und translation von der zweiten Kamera. Da ich jedoch gerade eine Vermutung über die rotation der zweiten Kamera, ich mache mehrere Vermutungen über seine rotation (parametrisiert mit einem 3x1-Vektor omega, von dem ich die Berechnung der rotationsmatrix mittels cv::Rodrigues) und dann habe ich noch etwas verfeinern denke, durch die Lösung des Systems AC = 0 repetedly in einem Levenberg-Marquardt-Optimierer mit numerischer Jacobi. Es funktioniert für mich, aber es ist ein bisschen schmutzig, so dass Sie, wenn Sie Zeit haben, empfehle ich Ihnen, das umzusetzen, was erklärt wird in dem Papier.

EDIT:

Hier ist die routine in der Levenberg-Marquardt-Optimierer für die Bewertung der Vektor der Rückstände:

void Stereo::eval(Mat &X, Mat &residues, Mat &weights)
{

        Matx<double, 3, 3> R2Ref = getRot(X); //Map the 3x1 euler angle to a rotation matrix
        Mat A = buildA(R2Ref, _dirs); //Compute the A matrix that measures the distance between ray pairs
        Vec3d c;
        Mat cMat(c, false);
        SVD::solveZ(A, cMat); //Find the optimum camera centre of the second camera at distance 1 from the first camera
        residues = A*cMat; //Compute the  output vector whose length we are minimizing
    weights.setTo(1.0);
}

Durch die Art und Weise, suchte ich ein wenig im internet und fand einige andere code, der nützlich sein könnte für die Berechnung der relativen Orientierung zwischen den Kameras. Ich habe nicht versucht, irgendwelche code noch, aber es scheint nützlich:

http://www9.in.tum.de/praktika/ppbv.WS02/doc/html/reference/cpp/toc_tools_stereo.html

http://lear.inrialpes.fr/people/triggs/src/

http://www.maths.lth.se/vision/downloads/

InformationsquelleAutor der Antwort Rulle