姿势估计

在摄像机标定中,我们已经得到了摄像机矩阵,畸变系数等。有了这些

信息我们就可以估计图像中图案的姿势,比如目标对象是如何摆放,如

何旋转等。对一个平面对象来说,我们可以假设Z=0,这样问题就转化

成摄像机在空间中是如何摆放(然后拍摄)的。所以,如果我们知道对

象在空间中的姿势,我们就可以在图像中绘制一些2D 的线条来产生 3D 

的效果。

首先我们要加载前面结果中摄像机矩阵和畸变系数。

import cv2

import numpy as np

import glob

with np.load(‘B.npz’) as X:

    mtx, dist, _, _= [X[i] for i in (‘mtx’,’dist’,’rvecs’,’tvecs’)]

现在我们来创建一个函数: draw,它的参数有棋盘上的角点(使用

cv2.findChessboardCorners() 得到)和要绘制的 3D 坐标轴上的点。

def draw(img, corners, imgpts):

    corner= tuple(corners[0].ravel())

    img= cv2.line(img, corner, tuple(imgpts[0].ravel()), (255,0,0), 5)

    img= cv2.line(img, corner, tuple(imgpts[1].ravel()), (0,255,0), 5)

    img= cv2.line(img, corner, tuple(imgpts[2].ravel()), (0,0,255), 5)

    return img

和前面一样,我们要设置终止条件,对象点(棋盘上的 3D 角点)和坐标轴点。

3D 空间中的坐标轴点是为了绘制坐标轴。我们绘制的坐标轴的长度为3。所以

 X 轴从(0,0,0)绘制到(3,0,0), Y 轴也是。 Z 轴从(0,0,0)绘制到(0,0,-3)。

负值表示它是朝着(垂直于)摄像机方向。

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)

objp = np.zeros((6*7,3), np.float32)

objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2)

axis = np.float32([[3,0,0], [0,3,0], [0,0,-3]]).reshape(-1,3)

我们在图像平面上找到了与 3D 空间中的点(3,0,0),(0,3,0),(0,0,3) 相对应的点。

然后我们就可以使用我们的函数 draw() 从图像上的第一个角点开始绘制连接这些

点的直线了。

for fname in glob.glob(‘img.jpg’):

        img = cv2.imread(fname)

        gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

        ret, corners = cv2.findChessboardCorners(gray, (7,6),None)

        if ret == True:

                corners2 = cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)

                rvecs, tvecs, inliers = cv2.solvePnPRansac(objp, corners2, mtx, dist)

                imgpts, jac = cv2.projectPoints(axis, rvecs, tvecs, mtx, dist)

                img = draw(img,corners2,imgpts)

                cv2.imshow(‘img’,img)

                k = cv2.waitKey(0) & 0xff

                if k == ‘s’:

                        cv2.imwrite(fname[:6]+’.png’, img)

cv2.destroyAllWindows()

如图:


https://www.jianshu.com/p/a087ce315cbb

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论