7

我目前正在尝试在 OpenCV 中生成给定立体图像对的 3D 点。据我所知，这已经做了很多。

我知道我将假设的立体声设置的外部参数是正面平行配置（真的，这还不错！）。我知道焦距，基线，并且我将假设主点作为图像的中心（我知道，我知道......）。

我使用 StereoSGBM 计算了一个伪像样的视差图，并按照 O'Reilly 的 Learning OpenCV 书对 Q 矩阵进行了手动编码，该书指定：

Q = [ 1 0 0      -c_x
      0 1 0      -c_y
      0 0 0      f
      0 0 -1/T_x (c_x - c_x')/T_x ]

我认为 ( c_x, c_y ) 是主点（我在图像坐标中指定）， f 是焦距（我用 mm 描述）， T_x 是两个相机或基线之间的平移（我也以毫米为单位）。

int type = CV_STEREO_BM_BASIC;
double rescx = 0.25, rescy = 0.25;
Mat disparity, vdisparity, depthMap;

Mat frame1 = imread( "C:\\Users\\Administrator\\Desktop\\Flow\\IMG137.jpg", CV_LOAD_IMAGE_GRAYSCALE );
Mat frame1L = frame1( Range( 0, frame1.rows ), Range( 0, frame1.cols/2 ));
Mat frame1R = frame1( Range( 0, frame1.rows ), Range( frame1.cols/2, frame1.cols ));

resize( frame1L, frame1L, Size(), rescx, rescy );
resize( frame1R, frame1R, Size(), rescx, rescy );

int preFilterSize = 9, preFilterCap = 32, disparityRange = 4;
int minDisparity = 2, textureThreshold = 12, uniquenessRatio = 3;
int windowSize = 21, smoothP1 = 0, smoothP2 = 0, dispMaxDiff = 32;
int speckleRange = 0, speckleWindowSize = 0;

bool dynamicP = false;

StereoSGBM stereo( minDisparity*-16, disparityRange*16, windowSize,
    smoothP1, smoothP2, dispMaxDiff,
    preFilterCap, uniquenessRatio,
    speckleRange*16, speckleWindowSize, dynamicP );

stereo( frame1L, frame1R, disparity );

double m1[3][3] = { { 46, 0, frame1L.cols/2 }, { 0, 46, frame1L.rows/2 }, { 0, 0, 1 } };
double t1[3] = { 65, 0, 0 };
double q[4][4] = {{ 1, 0, 0, -frame1L.cols/2.0 }, { 0, 1, 0, -frame1L.rows/2.0 }, { 0, 0, 0, 46 }, { 0, 0, -1.0/65, 0 }};
Mat cm1( 3, 3, CV_64F, m1), cm2( 3, 3, CV_64F, m1), T( 3, 1, CV_64F, t1 );
Mat R1, R2, P1, P2;
Mat Q( 4, 4, CV_64F, q );

//stereoRectify( cm1, Mat::zeros( 5, 1, CV_64F ), cm2, Mat::zeros( 5, 1, CV_64F ),  frame1L.size(), Mat::eye( 3, 3, CV_64F ), T, R1, R2, P1, P2, Q ); 

normalize( disparity, vdisparity, 0, 256, NORM_MINMAX );
//convertScaleAbs( disparity, disparity, 1/16.0 );
reprojectImageTo3D( disparity, depthMap, Q, true );
imshow( "Disparity", vdisparity );
imshow( "3D", depthMap );

因此，我从 StereoSGBM 和 Q 矩阵中输入生成的视差图以获得 3D 点，然后将其写入 ply 文件。

但结果是这样的：http: //i.stack.imgur.com/7eH9V.png

看起来很有趣，但不是我需要的:(。我在网上读到，在将视差图除以 16 后，它得到了更好的结果，而且确实看起来稍微好一点（实际上看起来好像有一台相机在拍摄！）。

如果您有兴趣，这是我的视差图：http: //i.stack.imgur.com/lNPkO.png

我知道如果没有校准，它几乎不会看起来像最好的 3d 投影，但我期待一些……更好的东西。

有什么建议么？

4

1 回答 1

0

在正平行假设下，视差与 3D 深度的关系为：d = f*T/Z，其中d为视差，f为焦距，T为基线，Z为 3D 深度。如果将图像中心作为主点，则确定 3D 坐标系。那么对于一个像素(px,py)，它的 3D 坐标(X, Y, Z)是：

X = (px-cx)*Z/f, Y = (py- cy)*Z/f, Z = f*T/d,

其中cx, cy是图像中心的像素坐标。

您的视差图像看起来相当不错，它可以生成合理的 3D 点云。

github上一个简单的视差浏览器。

于 2014-02-13T13:25:58.670 回答