1、姿态估计在许多计算机视觉应用中非常重要:机器人导航,增强现实等等。该过程基于查找真实环境中的点与其2D图像投影之间的对应关系。这通常是一个困难的步骤,因此通常使用合成或基准标记使其更容易。
最流行的方法之一是使用二元方形基准标记。这些标记的主要好处是单个标记提供足够的对应(其四个角)以获得相机姿势。此外,内部二进制编码使它们特别健壮,允许应用错误检测和校正技术的可能性。
aruco功能包括在:
#include < opencv2 / aruco.hpp >
aruco模块基于ArUco库,这是一个用于检测由RafaelMuñoz和Sergio Garrido开发的方形基准标记的流行库:
因为aruco是在opencv_contrib中,所以读者在安装时,要注意是否安装了opencv_contrib,笔者安装过程在前面的博客已经写出:
https://blog.csdn.net/weixin_43053387/article/details/85806344
环境搭建都没有问题,下面我们根据官方文档,进行相关调用就行了,先给出网址:
https://docs.opencv.org/master/d5/dae/tutorial_aruco_detection.html
界面是这样的:
笔者就是根据这个一步一步调用,得到我们的旋转矩阵与平移矩阵,下面给出小编在qt下编译的代码:
程序大体步骤:
1、使用getPredefinedDictionary创建一个字典
2、读取每一帧,使用detectMarkers检测当前帧中的Markers
3、使用estimatePoseSingleMarkers估计Marker的位姿,得到的即是即是R和t
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main(int argc, char *argv[])
{
//内参与畸变矩阵,笔者在前面的博客已经给出求解方法,有需要的可以找找看看
double fx,fy,cx,cy,k1,k2,k3,p1,p2;
fx=955.8925;
fy=955.4439;
cx=296.9006;
cy=215.9074;
k1=-0.1523;
k2=0.7722;
k3=0;
p1=0;
p2=0;
Mat cameraMatrix = (cv::Mat_(3, 3) <<
fx, 0.0, cx,
0.0, fy, cy,
0.0, 0.0, 1.0);
Mat distCoeffs = (cv::Mat_(5, 1) << k1, k2, p1, p2, k3);
cv::VideoCapture inputVideo;
inputVideo.open(0);
cv::Ptr dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);
while (inputVideo.grab()) {
cv::Mat image, imageCopy;
inputVideo.retrieve(image);//抓取视频中的一张照片
image.copyTo(imageCopy);
std::vector ids;
std::vector> corners;
cv::aruco::detectMarkers(image, dictionary, corners, ids);//检测靶标
// if at least one marker detected
if (ids.size() > 0) {
cv::aruco::drawDetectedMarkers(imageCopy, corners, ids);//绘制检测到的靶标的框
std::vector rvecs, tvecs;
cv::aruco::estimatePoseSingleMarkers(corners, 0.055, cameraMatrix, distCoeffs, rvecs, tvecs);//求解旋转矩阵rvecs和平移矩阵tvecs
//cout<<"R :"<
运行对着你指定的靶标就可以出结果啦。