问题标签 [extrinsic-parameters]

我有一个校准的（内在参数）相机。我从物体中拍摄立体照片，并在重新投影过程中使用它们来找到物体的一些 3-D 信息。

为此，首先我计算了基本矩阵。然后，我得到基本矩阵，从那里，我得到旋转矩阵和平移向量以及其他需要的信息。

问题是，使用不同的参数，我会得到非常不同的结果。我知道对于相同的立体图像，基本矩阵可能不同，但我希望有相同的旋转矩阵和平移向量。然而，每个不同的参数（例如匹配特征的数量）都会导致不同的矩阵。我错过了什么吗？我对相同的立体图像应该提供（相当）相同的旋转、平移和重新投影矩阵吗？

这是我的代码。任何帮助，将不胜感激。谢谢！

我的标题可能很糟糕，如果有人想提出一个更好的问题，我会改变它:)

我之前已经成功地使用已知世界尺寸的地平面校准了相机，但现在我正在尝试确定是否可以在我知道它的高度时仅通过识别 2D 中的对象来计算相机的外在因素（内在因素是已知的）。

坦率地说，我认为这可以用三角函数来完成，但我还没有弄清楚......

也许我可以在两个对象之间构建三角形并确定地平面上的距离，然后在我有一个模糊的平面后进行正常的姿势估计？

我一直在搜索，但没有找到任何关于通过这种方法执行此操作的算法的参考......可以做到吗？

我有来自两个不同相机的同一场景的 RGB 图像和 8 位深度数据，需要在 3D 空间中生成点云。

我用这篇论文来了解如何做到这一点。

如方程式中所述。1 我们可以在图像中找到一个像素的世界点的非齐次坐标，如下所示，

方程。图 5 显示了如何找到 lamda1，如下所示，

然后为了根据深度图像中的 8 位深度值找到真实的深度值，我使用了以下公式。4 从这篇论文中，

因此，由于我使用了投影矩阵，因此我希望从两个摄像机的数据生成的两个点云彼此对齐，但是点云彼此不重合并产生了尴尬的结果。有人能指出问题出在哪里吗？

我对模式的这些状态的差异感到困惑Flyweight。

我知道intrinsic状态是共享的状态，而Extrinsic不是共享的状态。

但是，我看不到extrinsic状态在模式或以下示例中的重要性：

参考维基百科中关于文本编辑器的示例。内在状态是字母，外在状态是字体、颜色等吗？

我正在尝试从基本矩阵中提取旋转矩阵和平移矩阵。我把这些答案作为参考：

通过 SVD 从基本矩阵中提取翻译的正确方法

从基本矩阵中提取平移和旋转

现在我已经完成了将 SVD 应用于基本矩阵的上述步骤，但问题来了。根据我对这个主题的理解，R 和 T 都有两个答案，这导致了 [R|T] 的 4 种可能的解决方案。然而，只有一种解决方案适合实际情况。

我的问题是如何确定 4 种解决方案中的哪一种是正确的？

我只是研究相机位置的初学者。因此，如果可能的话，请让答案尽可能清晰（但简单）。任何建议将不胜感激，谢谢。

我有一个使用校准相机捕获的帧/图像。两组相机参数（内部和外部）均可用。我想知道，如果我在水平和垂直方向上翻转框架（有效地将其旋转 180 度），我需要更改原始相机参数以获得旋转图像的正确参数？

任何帮助表示赞赏。谢谢..

我想使用 cv::solvePnPRansac 找到给定 3D 到 2D 对应的对象姿势。我的通信可能有异常值，所以我不想使用 cv::solvePnP。我在 opengl 中使用了从相机拍摄的快照的 3D 到 2D 对应关系。所以反投影后发现使用solvePnP后返回的旋转矩阵是正确的。但是，当我使用solvePnPRansac 时，我得到一个单位矩阵和零平移向量。请帮忙！我使用了以下代码。提前致谢 ！

运行代码后，我得到以下输出。

我有一个鱼眼相机，我已经校准过了。我需要通过使用所述棋盘的单个图像、内在参数和棋盘正方形的大小来计算棋盘的相机姿势。不幸的是，许多校准库首先从一组图像计算外在参数，然后是内在参数，这本质上是我想要的“逆”过程。当然，我可以将我的棋盘图像放在我用于校准的其他图像集中，然后再次运行校准程序，但这非常繁琐，而且我不能使用与用于校准的棋盘大小不同的棋盘内在校准。谁能指出我正确的方向？

编辑：阅读 francesco 的回答后，我意识到我没有通过校准相机来解释我的意思。我的问题始于我没有经典的内在参数矩阵（所以我实际上不能使用 Francesco 描述的方法）。事实上我用 Scaramuzza 的程序校准了鱼眼相机（https://sites.google .com/site/scarabotix/ocamcalib-toolbox），它基本上找到了一个将 3d 世界点映射到像素坐标的多项式（或者，将像素反向投影到单位球体的多项式）。现在，我认为这些信息足以在棋盘上找到相机姿势，但我不确定如何进行。

根据我得到的结果和提供的文档，我得出结论，使用非平面钻机进行校准在 OpenCV 中不起作用（它们在很大程度上取决于最初的猜测）。根据他们的功能文档calibrateCamera

该算法执行以下步骤：

• 计算初始内在参数（该选项仅适用于平面校准模式）或从输入参数中读取它们。失真系数最初都设置为零，除非某些 CV_CALIB_FIX_K? 被指定。
• 估计初始相机位姿，就好像内在参数已知一样。这是使用solvePnP完成的
• 运行全局 Levenberg-Marquardt 优化算法以最小化重投影误差，即观察到的特征点 imagePoints 和投影（使用当前对相机参数和位姿的估计）对象点 objectPoints 之间的总平方和。有关详细信息，请参阅项目点。

如果您使用非平面钻机作为输入，您还需要提供内在的初始估计，从而确认第一点。

所以，我的问题是，是否有任何可用的库（任何语言）可以实现为非平面钻机查找内在函数（或者可能与外在函数一起）？

我正在尝试校准我安装在一个装置上的四个相机的外部参数。它们相距 90 度。我已经校准了内在参数，我正在考虑使用校准模式的图像来查找外在参数。到目前为止我所做的是：放置校准图案，使其平放在桌子上，使其滚动角和偏航角为 0，俯仰角为 90（因为它与相机平行）。摄像机有 0,90,180,270 度角偏航（因为它们相距 90 度），摄像机的滚动角为 0（因为它们不倾斜。所以剩下要计算的是摄像机的俯仰角。

我无法完全理解如何计算它，因为我不习惯在坐标系之间进行映射，所以欢迎任何帮助。我已经制作了程序的一部分，该程序使用cv::solvePnPRansac()函数计算旋转向量（图像中的校准模式），所以我有旋转向量（我相信我可以使用简历::罗德里格斯()

在我的计算中，下一步对我来说是什么？