【OpenCV&OpenGL&Marker-based AR】原理部分

说在前面

• opencv版本：4.0.1
• opencv aruco版本：4.0.1
• opengl：使用glad、glfw
• ar实现：基于标记(marker)
• 其他说明：在AR学习中的一些理解，尽量使用图画来说明；
• 代码部分：【OpenCV&OpenGL&Marker-based AR】代码部分-带纹理方块

针孔相机模型

• 记得中学的凸透镜实验吗？
  

• 原理

  我们将镜头后面那个屏移动到镜头前面来（下面是三维图）：
  
  由三角形相似（关注蓝色、红色、绿色部分）可以得到：
  $$\{\begin{array}{c}\frac{x_c}{x}=\frac{z_c}{f}\\ \frac{y_c}{y}=\frac{z_c}{f}\end{array}$$
  即：
  $$\{\begin{array}{c}x=\frac{x_c\ast f}{z_c}\\ y=\frac{y_c\ast f}{z_c}\end{array}$$
  换化成矩阵形式：
  $$z_c\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}f& 0& 0\\ 0& f& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\end{array}\right]$$
  假设相机中心对应的坐标为$x_0$、$y_0$（上述的公式是以相机中心为坐标系原点进行计算的，现在我们将坐标系原点移动到感光元件左上角），那么就有：
  $$\{\begin{array}{c}x=\frac{x_c\ast f}{z_c}+x_0\\ y=\frac{y_c\ast f}{z_c}+y_0\end{array}$$
  换化成矩阵形式：
  $$z_c\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}f& 0& x_0\\ 0& f& y_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\end{array}\right]$$

OpenCV Part

• 相机标定

  通过相机标定来确定真实相机的参数（内参）以及畸变系数，主要使用opencv aruco模块，可参考官方教程或者demo

• 相机内参(Camera Parameter)

  在OpenCV中，相机内参是一个3x3的矩阵；其形式为
  $$\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]$$
  其中$f_x$、$f_y$为尺度因子，$c_x$、$c_y$为相机中心的坐标；$f_x$、$f_y$与焦距$f$不相等，而是下述的关系：
  $$\{\begin{array}{c}{f}_x=\frac{f}{dx}\\ f_y=\frac{f}{dy}\end{array}$$
  其中$dx$、$dy$为感光元件中像素的大小（宽、高）；

  推导：在针孔相机模型中我们只是将实际物体投影到感光元件中，现在我们需要将感光元件中的图像转化为我们熟悉的电子图像。我们假设电子图像中像素宽高均为单位1，那么：
  
  $$\{\begin{array}{c}u=\frac{x}{dx}\ast 1\\ v=\frac{y}{dy}\ast 1\end{array}$$
  换化成矩阵形式(由于都是二维，没有z分量)：
  $$\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}1/dx& 0& 0\\ 0& 1/dy& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$
  合并一下（即从实际物体直接到电子图像，简单的矩阵乘法）就有：
  $$\left[\begin{array}{ccc}1/dx& 0& 0\\ 0& 1/dy& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}f& 0& x_0\\ 0& f& y_0\\ 0& 0& 1\end{array}\right]=\left[\begin{array}{ccc}f/dx& 0& x_0/dx\\ 0& f/dy& y_0/dy\\ 0& 0& 1\end{array}\right]$$

  相机参数栗子 (我使用的相机[640x480]的内参)：
  $$\begin{array}{ccc}840.263& 0.0& 317.134\\ 0.0& 836.454& 197.918\\ 0.0& 0.0& 1.0\end{array}$$

• 畸变系数(Distortion coeffs)

  由于光线在穿过镜头的时候会发生一定的畸变，因此需要通过畸变系数进行校正；这部分暂不关注。

• 相机外参

  通过相机外参可以得到相机在世界坐标系中的位置以及镜头的朝向；在OpenCV aruco中可以使用以下函数

   void cv::aruco::estimatePoseSingleMarkers(
      InputArrayOfArrays corners, //函数detectMarkers()检测到的标记角的坐标集合
      float markerLength, //标记长度
      InputArray cameraMatrix, //相机内参矩阵
      InputArray distCoeffs, //畸变系数矩阵
      OutputArray rvecs, //输出，旋转向量
      OutputArray tvecs //输出，平移向量
      );
  

  一般使用Vec3d作为单个旋转向量以及平移向量的类型，即（x,y,z）；通过旋转向量改变相机的朝向，平移向量改变相机在世界坐标系中的位置。

  • 举个栗子，假设rvec=(-1, -1, -1), tvec=(1, 1, 1)；
  1. 假定相机初始状态为：放置在世界坐标系原点，镜头朝向Z轴正方向（OpenGL中朝Z负方向）；
     
  2. 根据旋转向量rvec=(-1, -1, -1)进行旋转，其具体意义为绕向量(-1, -1, -1)旋转弧度为|rvec|（rvec的模）
     
  3. 将相机中心沿向量tvec的方向移动|tvec|（tvec的模）长度
     

OpenGL Part

• 这部分可以参考LearnOpenGL教程，这里就使用一个栗子来说明吧！我们首先在OpenGL中创建一个立方体，如下图（用的是LearnOpenGL中那个，下图进行了旋转，栗子中我们使用正常的角度）
  

• Model Matrix

  【相当于调整模型在世界坐标系中的位置】

  初始状态，正方体边长为1.0f，中心在原点；相机也在原点，朝向Z负半轴
  
  （注意：前两个实验中我们设置了Projection Matrix，便于观察实验结果。）
  若不改变Model Matrix，看到的图像为（如上图，相机在立方体内部）：

  
  若使用Model Matrix将立方体往Z负半轴移动，则（下图分别为移动2、3距离，此时相机在立方体外）：
  
  
  可以看到越来越小

• View Matrix

  【相当于相机外参】

  现在我们不改变Model Matrix（立方体中心还是在世界坐标系原点），移动相机(使用lookAt函数)；
  若将相机沿Z负半轴移动到立方体外（不改变朝向），我们应该看不到立方体，如下图：
  
  若沿正半轴移动到立方体外（不改变朝向），则：
  

• Projection Matrix

  【相当于相机内参】
  这部分看教程吧，讲的比较清楚

• 注意事项

  在OpenGL中矩阵是以列为主元素，与OpenCV相反，要注意转换；例如，
  OpenCV中：
  $$\left[\begin{array}{ccc}f/dx& 0& x_0/dx\\ 0& f/dy& y_0/dy\\ 0& 0& 1\end{array}\right]$$
  则OpenGL中：
  $$\left[\begin{array}{ccc}f/dx& 0& 0\\ 0& f/dy& 0\\ x_0/dx& y_0/dy& 1\end{array}\right]$$

OpenCV&OpenGL(重点)

• 现在我们开始最重要的部分，我所理解的AR的过程；

1. 首先我们有两个摄像头，一个OpenGL中使用的相机，另一个真实的相机
2. 然后，我们有两个世界坐标系(应该吧？ )，一个OpenGL的，一个OpenCV的（或者真实世界中的）
3. 我们要做的就是用OpenGL中的相机模拟实际使用的相机（从内参、外参上），同时要将两个世界坐标系重合，这样OpenGL中的物体就可以渲染到我们指定的位置

• 具体流程

  • 使用OpenCV获取真实相机的位置（即rvec&tvec）
    这部分使用标记Marker来实现，也就是OpenCV中aruco模块；我们假定Marker的中心为世界坐标系原点，并建立坐标系；真实相机的位置指的就是在该坐标系中的位置
    
  图-OpenCV捕获

  

  • 通过rvec、tvec计算View Matrix，从而移动OpenGL相机
    View Matrix的形式为：
    $$\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]$$
    其中R为3x3的旋转矩阵，t为3x1的平移矩阵；View Matrix为4x4矩阵。
    旋转矩阵R可通过OpenCV函数**Rodrigues()**获得

    Rodrigues(
    InputArray src,//输入，可为1x3或者3x1向量，也可为3x3的矩阵
    OutputArray res//输出，为对应的3x3旋转矩阵，或者旋转向量
    )
    //在该项目中，我们可这样调用
    cv::Mat rot;
    Rodrigues(rvec, rot);//rvec为3x1旋转向量
    

    这样，View Matrix的形式就是：
    $$\left[\begin{array}{cccc}{r}_{00}& r_{01}& r_{02}& t_0\\ r_{10}& r_{11}& r_{12}& t_1\\ r_{20}& r_{21}& r_{22}& t_2\\ 0& 0& 0& 1\end{array}\right]$$
    但是注意，上述所有数据都是在OpenCV的坐标系中计算得到的，我们现在需要将其转换为OpenGL坐标系；如下图，两个坐标系X轴方向相同，Y、Z轴相反，所以我们只需要将Y、Z轴反向即可。
    具体为与一个矩阵相乘：
    $$\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& -1& 0& 0\\ 0& 0& -1& 0\\ 0& 0& 0& 1\end{array}\right]\ast \left[\begin{array}{cccc}{r}_{00}& r_{01}& r_{02}& t_0\\ r_{10}& r_{11}& r_{12}& t_1\\ r_{20}& r_{21}& r_{22}& t_2\\ 0& 0& 0& 1\end{array}\right]$$

  • 将OpenCV获取的图像正射投影到OpenGL相机
    【图 OpenCV捕获】就是OpenCV捕捉的图像；由于在该项目中我们以OpenGL为主，OpenCV为辅，所以我们需要将OpenCV的图像搞到OpenGL的相机中。

    使用正射投影：OpenCV捕获的图像已经是我们实际生成的电子图像了（即从真实世界→感光元件→电子图像），在OpenGL的相机中，我们就不需要再进行各种变换，相当于直接复制到OpenGL的最终图像，这份图像就是背景图啦
    (下图说明：假设坐标系已经调整成一致的)
    

  • 根据真实相机的内参构造Projection Matrix
    最后我们需要调整OpenGL相机的参数，让其与真实使用的相机参数一致，这样OpenGL世界中的物体就可以映射到正确的位置。
    

  1. 首先拿出我们的Camera Matrix以及相机分辨率(即生成的图像大小，我的是640*480)
     $$\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]$$
  2. 然后计算，这部分参考这篇文章，这里记录下推导过程
     假设Projection Matrix为
     $$\left[\begin{array}{cccc}a& 0& 0& 0\\ 0& b& 0& 0\\ 0& 0& A& B\\ 0& 0& -1& 0\end{array}\right]$$
     对于OpenGL世界中的某一点(X,Y,Z)有
     $$\left[\begin{array}{cccc}a& 0& 0& 0\\ 0& b& 0& 0\\ 0& 0& A& B\\ 0& 0& -1& 0\end{array}\right]\ast \left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]=\left[\begin{array}{c}aX\\ bY\\ AZ+B\\ -Z\end{array}\right]$$
     由于OpenGL会对其进行剪裁，即
     $$(\frac{aX}{-Z},\frac{bY}{-Z},\frac{AZ+B}{-Z})$$
     并且三个分量均须处于[-1,1]内，即
     $$\{\begin{array}{c}-1\le \frac{aX}{-Z}\le 1\\ -1\le \frac{bY}{-Z}\le 1\\ -1\le \frac{AZ+B}{-Z}\le 1\end{array}$$
     由针孔相机模型中的三角形相似有
     $$\{\begin{array}{c}\frac{X}{Z}=\frac{x}{f}\\ \frac{Y}{Z}=\frac{y}{f}\end{array}$$
     这个是到感光元件的转换，到电子图像为（我们可以将fx看作f在x方向的焦距）
     $$\{\begin{array}{c}\frac{X}{Z}=\frac{x}{f_x}\\ \frac{Y}{Z}=\frac{y}{f_y}\end{array}$$
     所以
     $$\{\begin{array}{c}-1\le \frac{ax}{f_x}\le 1\\ -1\le \frac{by}{f_y}\le 1\end{array}$$
     我们假设坐标原点在图像中心，那么x取值范围为[-w/2,w/2]，y取值范围为[-h/2,h/2]；代入可得
     $$\{\begin{array}{c}a=\frac{2f_x}{w}\\ b=\frac{2f_y}{h}\end{array}$$
     但是我们的坐标原点并不在图像中心，改变Projection Matrix
     $$\left[\begin{array}{cccc}\frac{2f_x}{w}& 0& c& 0\\ 0& \frac{2f_y}{h}& d& 0\\ 0& 0& A& B\\ 0& 0& -1& 0\end{array}\right]$$
     也就是
     $$(\frac{aX}{-Z}-c,\frac{bY}{-Z}-d,\frac{AZ+B}{-Z})$$
     我们从另一个角度理解，就是移动坐标原点，两点分别为(0,0)、(-w/2+cx,h/2-cy)，移动距离为
     $$w/2-c_x,-h/2+c_y$$
     这是在图像上的距离，转换为[-1, 1]中的距离，即除以w/2、h/2，为
     $$1-2c_x/w,-1+2c_y/h$$
     
     A、B的推导这里就不记录了
  3. 最后的形式长这个亚子
     $$\left[\begin{array}{cccc}\frac{2f_x}{w}& 0& 1-\frac{2c_x}{w}& 0\\ 0& \frac{2f_y}{h}& \frac{2c_y}{h}-1& 0\\ 0& 0& -\frac{f+n}{f-n}& -\frac{2fn}{f-n}\\ 0& 0& -1& 0\end{array}\right]$$

---

END-(CSDN)
代码下一篇讲@_@