2

我试图通过扫描从相机拍摄的两张图像来估计相机的姿势，检测图像中的特征，匹配它们，创建基本矩阵，使用相机内在函数计算基本矩阵，然后分解它以找到旋转和翻译。

这是matlab代码：

I1 = rgb2gray(imread('1.png'));
I2 = rgb2gray(imread('2.png'));

points1 = detectSURFFeatures(I1);
points2 = detectSURFFeatures(I2);

points1 = points1.selectStrongest(40);
points2 = points2.selectStrongest(40);

[features1, valid_points1] = extractFeatures(I1, points1);
[features2, valid_points2] = extractFeatures(I2, points2);

indexPairs = matchFeatures(features1, features2);

matchedPoints1 = valid_points1(indexPairs(:, 1), :);
matchedPoints2 = valid_points2(indexPairs(:, 2), :);

F = estimateFundamentalMatrix(matchedPoints1,matchedPoints2);

K = [2755.30930612600,0,0;0,2757.82356074384,0;1652.43432833339,1234.09417974414,1];

%figure; showMatchedFeatures(I1, I2, matchedPoints1, matchedPoints2);

E = transpose(K)*F*K;
W = [0,-1,0;1,0,0;0,0,1];
Z = [0,1,0;-1,0,0;0,0,0];
[U,S,V] = svd(E);

R = U*inv(W)*transpose(V);

T = U(:,3);

thetaX = radtodeg(atan2(R(3,2),R(3,3)));
thetaY = radtodeg(atan2(-R(3,1),sqrt(R(3,2)^2 +R(3,3)^2)));
thetaZ = radtodeg(atan2(R(2,1),R(1,1)));

我面临的问题是 R 和 T 总是不正确的。ThetaZ 大多数时候等于 ~90，如果我重复计算很多次，有时我会得到预期的角度。（但仅在某些情况下）

我似乎不明白为什么。这可能是因为我计算的基本矩阵是错误的。还是有其他地方我出错了？

另外 T 的比例/单位是多少？（平移向量）还是推断不同。

PS 计算机视觉新手...

4

3 回答 3

2

请注意，通过分解 E，可能有 4 种解决方案（2 种可能的旋转 X 2 种可能的平移）。具体关于R，也可以是：R = U W transpose(V)；同样，T也可以是：T = -U(:,3);

要检查这是否是您的错误，请在此处发布针对您获得 ThetaZ~90 的给定情况的所有 4 种可能的解决方案。

我要检查的另一件事（因为你有 K），是直接估计基本矩阵（不通过基本矩阵）： http: //www.mathworks.com/matlabcentral/fileexchange/47032-camera-geometry-algorithms/content/ /CV/CameraGeometry/EssentialMatrixFrom2DPoints.m

于 2014-12-01T17:56:53.580 回答
0

尝试转置 K。您从中得到的 KestimateCameraParameters假定行向量后乘以矩阵，而大多数教科书中的 K 假定列向量预乘以矩阵。

编辑：在计算机视觉系统工具箱的 R2015b 版本中，有一个cameraPose函数，它根据基本矩阵计算相对方向和位置。

于 2014-12-01T19:38:41.850 回答
0

U 和 V 需要强制为 SO(3)。http://mathworld.wolfram.com/SpecialOrthogonalMatrix.html 换句话说，如果 U 和/或 V 具有负行列式，则 U 和/或 V 中的最后一列需要取反。(det(U) < 0) => U(:,3) = -U(:,3)

最好的祝福。

于 2015-04-30T17:48:30.050 回答