确定相机姿势？

Question

我正在尝试根据场景中找到的基准标记来确定相机姿势。

基准：http://tinypic.com/view.php?pic=4r6k3q&s=8#.VNLnWTVVK1E

当前进程：

1. 使用 SIFT 进行特征检测
2. 使用 SIFT 进行描述符提取
3. 使用 FLANN 进行匹配
4. 使用 CV_RANSAC 查找单应性
5. 识别基准点的角
6. 使用 perspectiveTransform() 识别场景中基准点的角
7. 在拐角处画线（即证明它在场景中找到了基准点
8. 运行相机校准
9. 负载校准结果（cameraMatrix 和失真系数）

现在我正在尝试找出相机的姿势。 我尝试使用：

void solvePnP(const Mat& objectPoints, const Mat& imagePoints, const Mat& cameraMatrix, const Mat& distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess=false)

地点：

• obectPoints 是基准角
• imagePoints 是场景中的基准角
• cameraMatrix 来自校准
• distCoeffs 来自校准
• rvec 和 tvec 应该从此函数返回给我

但是，当我运行它时，我得到一个核心转储错误，所以我不确定我做错了什么。

我没有找到关于 solvePNP() 的非常好的文档 - 我误解了函数或输入参数吗？

感谢您的帮助

更新 这是我的过程：

OrbFeatureDetector detector; //Orb seems more accurate than SIFT
vector<KeyPoint> keypoints1, keypoints2; 

detector.detect(marker_im, keypoints1);
detector.detect(scene_im, keypoints2);

Mat display_marker_im, display_scene_im;
drawKeypoints(marker_im, keypoints1, display_marker_im, Scalar(0,0,255));
drawKeypoints(scene_im, keypoints2, display_scene_im, Scalar(0,0,255));

SiftDescriptorExtractor extractor;
Mat descriptors1, descriptors2;

extractor.compute( marker_im, keypoints1, descriptors1 );
extractor.compute( scene_im, keypoints2, descriptors2 );

BFMatcher matcher; //BF seems to match better than FLANN
vector< DMatch > matches;
matcher.match( descriptors1, descriptors2, matches );

Mat img_matches;
drawMatches( marker_im, keypoints1, scene_im, keypoints2,
    matches, img_matches, Scalar::all(-1), Scalar::all(-1),
    vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );

vector<Point2f> obj, scene;
for (int i = 0; i < matches.size(); i++) {
    obj.push_back(keypoints1[matches[i].queryIdx].pt);
    scene.push_back(keypoints2[matches[i].trainIdx].pt);
}

Mat H;
H = findHomography(obj, scene, CV_RANSAC);

//Get corners of fiducial
vector<Point2f> obj_corners(4);
obj_corners[0] = cvPoint(0,0);
obj_corners[1] = cvPoint(marker_im.cols, 0);
obj_corners[2] = cvPoint(marker_im.cols, marker_im.rows);
obj_corners[3] = cvPoint(0, marker_im.rows);
vector<Point2f> scene_corners(4);

perspectiveTransform(obj_corners, scene_corners, H);

FileStorage fs2("cal.xml", FileStorage::READ);

Mat cameraMatrix, distCoeffs;
fs2["Camera_Matrix"] >> cameraMatrix;
fs2["Distortion_Coefficients"] >> distCoeffs;

Mat rvec, tvec;

//same points as object_corners, just adding z-axis (0)
vector<Point3f> objp(4);
objp[0] = cvPoint3D32f(0,0,0);
objp[1] = cvPoint3D32f(gray.cols, 0, 0);
objp[2] = cvPoint3D32f(gray.cols, gray.rows, 0);
objp[3] = cvPoint3D32f(0, gray.rows, 0);

solvePnPRansac(objp, scene_corners, cameraMatrix, distCoeffs, rvec, tvec );

Mat rotation, viewMatrix(4, 4, CV_64F);
Rodrigues(rvec, rotation);

for(int row=0; row<3; ++row)
{
   for(int col=0; col<3; ++col)
   {
      viewMatrix.at<double>(row, col) = rotation.at<double>(row, col);
   }
   viewMatrix.at<double>(row, 3) = tvec.at<double>(row, 0);
}

viewMatrix.at<double>(3, 3) = 1.0f;

cout << "rotation: " << rotation << endl;
cout << "viewMatrix: " << viewMatrix << endl;

Answer 1

好的，所以solvePnP() 为您提供了从模型框架（即立方体）到相机框架（称为视图矩阵）的传输矩阵。

输入参数：

• objectPoints – 对象坐标空间中的对象点数组，3xN/Nx3 1 通道或 1xN/Nx1 3 通道，其中 N 是点数。 std::vector<cv::Point3f> 也可以在这里传递。这些点是 3D 的，但由于它们位于（基准标记的）图案坐标系中，因此装备是平面的，因此每个输入对象点的 Z 坐标为 0，
• imagePoints – 对应图像点的阵列，2xN/Nx2 1 通道或 1xN/Nx1 2 通道，其中 N 是点数。 std::vector<cv::Point2f>这里也可以传，
• intrinsics：相机矩阵（焦距，主点），
• distortion：失真系数，如果为空则假设失真系数为零，
• rvec: 输出旋转向量
• tvec: 输出平移向量

视图矩阵的构建是这样的：

cv::Mat rvec, tvec;
cv::solvePnP(objectPoints, imagePoints, intrinsics, distortion, rvec, tvec);
cv::Mat rotation, viewMatrix(4, 4, CV_64F);
cv::Rodrigues(rvec, rotation);

for(int row=0; row<3; ++row)
{
   for(int col=0; col<3; ++col)
   {
      viewMatrix.at<double>(row, col) = rotation.at<double>(row, col);
   }

   viewMatrix.at<double>(row, 3) = tvec.at<double>(row, 0);
}

viewMatrix.at<double>(3, 3) = 1.0f;

另外，你能分享你的代码和错误信息吗？