0

我正在尝试使用棋盘初步校准传感器。我跑了大约 50 次，在校准相机后，我继续使用 solvepnp 来教授坐标系，因为我使用的是定义明确的棋盘来实际学习真实世界的坐标。

作为 SolvePnP 的输入，我使用所有角点值及其对应的现实世界距离。

我最大的问题是我从 SolvePvP 计算的转换矩阵有点奇怪。据我了解，平移矩阵是相机与坐标系之间的实际偏移量，我将其定义为棋盘的上半部分。但是我得到了完全随机的值，Tz 给了我一个大约 6000 的值，即使相机和棋盘之间的距离大约是 1600 毫米，而且我什至没有使用深度值作为 solvePnP 方法的参数。

关于可能关闭的任何输入？

代码示例：

50 x DrawChessboardCorners
Corner result: {X = 1170.45984 Y = 793.002}
               {X = 1127.80371 Y = 792.54425}

3d Points:     {X = 175 Y = 70, Z = 0}
               {X = 140 Y = 70, Z = 0}

每次运行总共 18 (6x3) 个结果，总共运行 50 次。

之后我校准相机：

CalibrateCamera(_objectsList, _pointsList,
                new Size(_sensorWrapper.Width, _sensorWrapper.Height),
                cameraMatrix, distCoeffs,
                CalibType.Default,
                new MCvTermCriteria(30, 0.1), out _, out _);

之后，使用 cameraMatrix 和 distCoeffs，我通过使用左上角、右上角、左下角和右下角以及它们的真实世界坐标来使用 SolverPnP。

我从校准中得到的结果是：

    {
  "CameraMatrix": [
    [
      5969.947,
      0.0,
      959.687256
    ],
    [
      0.0,
      6809.737,
      540.3694
    ],
    [
      0.0,
      0.0,
      1.0
    ]
  ],
  "DistortionCoefficientsMatrix": [
    [
      0.141516522,
      285.377747,
      0.008248664,
      0.0280253552,
      1.5376302
    ]
  ],
  "RotationMatrix": [
    [
      0.9992069,
      -0.0270648878,
      0.0292078461
    ],
    [
      -0.0003847139,
      0.726907134,
      0.68673563
    ],
    [
      -0.0398178138,
      -0.6862022,
      0.7263202
    ]
  ],
  "TranslationMatrix": [
    [
      22.5370159
    ],
    [
      -362.535675
    ],
    [
      5448.58057
    ]
  ],
  "SensorName": "BRIO 4K Stream Edition",
  "SensorIndex": 0,
  "Error": 0.18790249992423425
}
4

0 回答 0