在哪儿给基本矩阵添加比例因子以产生真实世界的平移值
我正在使用OpenCV和Python，想要获取两台相机之间的真实世界的位移。我现在有一台经过校准的相机，它在移动。我已经完成了特征匹配、通过RANSAC计算F矩阵，以及计算E矩阵。为了得到两台相机之间的位移，我想我可以使用：w, u, vt = cv2.SVDecomp，然后我的位移向量可以是：t = u[:,2]。下面是一个示例输出：
[[ -1.16399893 9.78967574 1.40910252]
[ -7.79802049 -0.26646268 -13.85252956]
[ -2.67690676 13.89538682 0.19209676]]
位移向量：[ 0.81586158 0.0750399 -0.57335756]
我想我明白了，位移并不是以真实世界的比例来表示的，所以如果我想要得到真实世界的位移，我需要以某种方式提供这个比例。如果我知道两台相机之间的距离，我是否可以直接通过乘法将其应用到我的位移向量上？我觉得我在这里可能漏掉了什么……
2 个回答
-1
我也遇到同样的问题。我觉得单目相机可能需要一个已知3D坐标的物体，这样可能会有帮助。
2
看起来答案是“是的”。
如果两个相机之间的距离是2米，那么得到的实际世界中的位移就是这个值和t向量的乘积：
dist = 2
t = [ 0.81586158 0.0750399 -0.57335756]
tworld = 2 * t
print tworld
[ 1.63172316 0.1500798 -1.14671512]
当然，这里要记住的是，虽然这个位移现在是以实际世界的单位表示，但它仍然是以第一个相机的坐标系统为基础的。所以这意味着我的第二个相机位于第一个相机的右侧1.63172316米，向上0.1500798米，以及在第一个相机的后面-1.14671512米。