文章目录
- 前提
- 方法1-perspectiveTransform()
- 方法2-reprojectimageto3d()
- PS
- 参考
前提
1、使用BM或者SGBM算法计算得到了双目图像的合适左右视差图;
2、使用立体校正函数stereoRectify()
计算得到了4*4重投影矩阵Q;
方法1-perspectiveTransform()
1、透视变换这里可以用于计算一系列特征点的三维重投影坐标值,原理如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/202004172358217.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlbGxvaGFrZQ==,size_16,color_FFFFFF,t_70)
2、perspectiveTransform()函数原型:
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200418000025691.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlbGxvaGFrZQ==,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200418000049425.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlbGxvaGFrZQ==,size_16,color_FFFFFF,t_70)
其中注意:mat这里应该等效重投影矩阵Q;
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200418000200554.png)
3、使用方法:
- 首先计算左相机图像中的特征点位置(像素坐标),找到对应视差图中点的位置,得到(x,y,d)值;
- 调用函数perspectiveTransform()计算三维重投影的空间坐标;
方法2-reprojectimageto3d()
1、函数原型:
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200418000959579.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlbGxvaGFrZQ==,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200418001157235.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlbGxvaGFrZQ==,size_16,color_FFFFFF,t_70)
2、原理与透视变换相同,不过操作的对象是整个视差图所有点;
3、使用:
- 首先得到视差图与4*4重投影矩阵Q;
- 然后调用reprojectimageto3d()得到整幅图像的三维坐标信息;
- 最后根据左相机图像中特征点的坐标信息,只提取对应的三维坐标信息;
PS
以上内容是我猜想的,可不可行还没验证,只可信一半~~(有问题麻烦帮忙指正一下呀)
参考
1、《Learning OpenCV3》P657
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)