视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法

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:
视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法_第1张图片

2、perspectiveTransform()函数原型:
视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法_第2张图片
视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法_第3张图片

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

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:
视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法_第4张图片
视差图(Disparity)三维重投影得到特征点的三维空间坐标的2种方法_第5张图片

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

你可能感兴趣的:(OpenCV,3.4.8,opencv)