Questions tagged «homography»

我从事增强现实和视觉跟踪应用程序的相机姿态估计这一主题已有一段时间了，我认为尽管有很多关于此任务的详细信息，但仍然存在很多困惑和误解。 我认为接下来的问题值得详细的逐步解答。 什么是相机内在特性？ 什么是相机外部性？ 如何从平面标记计算单应性？ 如果我有单应性，该如何获得相机姿势？

21 computer-vision  homography  camera-pose  visual-tracking 

我知道您可以使用“完美模型”和图像点之间的对应点来计算图像到相机平面的单应性。 我正在为足球场/场地做这件事，并且使用边缘检测来找到球场中的白线。 但是相机不会（总是）覆盖所有的俯仰，所以我看不到所有的角...而且我只有角是模型中100％的已知点（没有其他可分辨的点）。 因此，问题在于，除非这条线与另一条线相交并形成一个角，否则我只会知道该线的图像点，而不是模型中相应的“完美/真实世界”坐标。 我有什么方法可以使用检测到的线来计算单应性，甚至只是一组候选单应性，即使检测到的线彼此不相交并创建拐角？ 示例图像，显示了俯仰，我们的视野以及可以知道相应的真实世界/模型坐标（绿色圆圈）的俯仰点，以及2条直线的示例，由于在我们的视野中，它们可能完全没有用，我不知道他们在音高对应的真实世界/模型中确切在哪一点开始或停止： 红线是我要使用的线的示例，但我不知道它们的真实坐标，并且很难估计它们，因为根据相机的姿势，对应点可能在“任何地方”。

12 image-processing  computer-vision  opencv  homography 

我正在使用RANSAC算法在相机之间拍摄的成对图像之间进行单应性估计，这些相机之间没有任何平移（纯旋转和缩放比例/缩放）。在一半的情况下，它运作良好。正确的输出如下所示： 红线是经过过滤的对应关系，四边形表示单应性如何扭曲透视图。 但是，有时会发生许多不良情况，例如： 我已经在RANSAC循环中进行了简单的测试。它制作一个简单的四边形（单位平方），并使用样本变换对其进行变换。然后看变换是否保持其凸性。 但是，仍然会出现一堆凹入的四边形。 您是否知道如何正确测试单应性（如果其表现得“很好”）并滤除错误的解决方案？ 我找到了一些代码，他们在其中测试了三个变换点均不是共线的。但这似乎还不够，因为它不会过滤出三角肌和其他“无效”的四边形...

10 homography  estimation  transform 

使用OpenCV，我可以计算出这两个图像之间的单应性： 和 不用担心右侧的白色奇怪形状，这是由于我使用的智能手机支架所致。由findHomography（）函数提供的单应性（使用通过快速特征检测器和HammingLUT描述符匹配器检测到的点）为： A = [ 1.412817430564191, 0.0684947165270289, -517.7751355800591; -0.002927297251810, 1.210310757993256, 39.56631316477566; 0.000290600259844, -9.348301989015293e-05, 1] 现在，我使用相同的过程，通过使用imagemagick来计算旋转了180度（上下）的相同图像之间的单应性（事实上​​，我同样有兴趣知道旋转90度或90度的关系） 270度...）。他们来了： 和 通过这些图像，单应性变为： B = [ 0.7148688519736168, 0.01978048500375845, 325.8330631554814; -0.1706219498833541, 0.8666521745094313, 64.72944905752504; -0.0002078857275647, -5.080048486810413e-05, 1] 现在，问题是您如何关联A和B？A的两个第一个对角线值接近B中的两个对角线值，但不是很精确（.707805537而不是0.71486885）。我的最终目的是使用所需的关系来变换最终矩阵，从而避免计算代价高昂的图像旋转。

9 image-processing  computer-vision  homography