0

几周前，我对一篇论文感兴趣， 请在此处输入链接描述

因为他们关闭了源代码，所以我正在尝试自己编写代码。

我使用的图像和velodyne点云数据和他一样，属于kitti（对应图像和velodyne点共120个）。

在论文图 4 中，他们说所有 velodyne 点都近似于一个平面（1 帧有一个点，它们显示 100 帧），所以他们使用cv2.sovePnPRANSAC(flags = IPPE)

我也试过把velodyne的所有点和对应的像素坐标都扔到这个方法里，但是返回的总是离kitti的ground truth太远。

这是我所有的 velodyne 要点： 在此处输入图像描述

我使用的相机内在和 dist_coeffs（参考原始数据 calib_cam_to_cam）如下：

camera_matrix = np.array([[959.791, 0.0, 696.0217],
                      [0.0, 956.9251, 224.1806],
                      [0.0,  0.0,      1.0    ]], dtype=np.double)


dist_coeffs = np.array([[-0.3691481],
                      [0.1968681],  
                      [0.001353473],
                      [0.0005677587],
                      [-0.06770705]], dtype=np.double)

我做错了什么？如果有人帮我解决这个问题，我将不胜感激

4

0 回答 0