基礎

詳細描述

函式
void	cv::sfm::computeOrientation (InputArrayOfArrays x1, InputArrayOfArrays x2, OutputArray R, OutputArray t, double s)
	計算兩組 3D 點之間的絕對或外部方位（姿態估計）。
void	cv::sfm::essentialFromFundamental (InputArray F, InputArray K1, InputArray K2, OutputArray E)
	從基本矩陣和相機矩陣獲取本質矩陣。
void	cv::sfm::essentialFromRt (InputArray R1, InputArray t1, InputArray R2, InputArray t2, OutputArray E)
	從運動（R 和 t）獲取本質矩陣。
void	cv::sfm::fundamentalFromEssential (InputArray E, InputArray K1, InputArray K2, OutputArray F)
	從基本矩陣和相機矩陣獲取本質矩陣。
void	cv::sfm::fundamentalFromProjections (InputArray P1, InputArray P2, OutputArray F)
	從投影矩陣獲取基本矩陣。
void	cv::sfm::motionFromEssential (InputArray E, OutputArrayOfArrays Rs, OutputArrayOfArrays ts)
int	cv::sfm::motionFromEssentialChooseSolution (InputArrayOfArrays Rs, InputArrayOfArrays ts, InputArray K1, InputArray x1, InputArray K2, InputArray x2)
void	cv::sfm::normalizedEightPointSolver (InputArray x1, InputArray x2, OutputArray F)
	估計兩個 2D 點資料集（影像座標空間）之間的基本矩陣。
void	cv::sfm::normalizeFundamental (InputArray F, OutputArray F_normalized)
	標準化基本矩陣。
void	cv::sfm::projectionsFromFundamental (InputArray F, OutputArray P1, OutputArray P2)
	從基本矩陣獲取投影矩陣。
void	cv::sfm::relativeCameraMotion (InputArray R1, InputArray t1, InputArray R2, InputArray t2, OutputArray R, OutputArray t)
	計算兩個相機之間的相對相機運動。

函式文件

computeOrientation()

void cv::sfm::computeOrientation	(	InputArrayOfArrays	x1,
		InputArrayOfArrays	x2,
		OutputArray	R,
		OutputArray	t,
		double	s )

#include <opencv2/sfm/fundamental.hpp>

計算兩組 3D 點之間的絕對或外部方位（姿態估計）。

引數

x1	第一個 3xN 或 2xN 點陣列輸入。
x2	第二個 3xN 或 2xN 點陣列輸入。
R	輸出 3x3 計算的旋轉矩陣。
t	輸出 3x1 計算的平移向量。
s	輸出計算的比例因子。

找到最佳變換，使得 xp=projection*(s*R*x+t)（與姿態估計，ePNP 相同）。 以下例程目前僅適用於正交情況。

essentialFromFundamental()

void cv::sfm::essentialFromFundamental	(	InputArray	F,
		InputArray	K1,
		InputArray	K2,
		OutputArray	E )

#include <opencv2/sfm/fundamental.hpp>

從基本矩陣和相機矩陣獲取本質矩陣。

引數

F	輸入 3x3 基本矩陣。
K1	輸入 3x3 第一個相機矩陣 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
K2	輸入 3x3 第二個相機矩陣。引數類似於 K1。
E	輸出 3x3 本質矩陣。

參考：[119] 9.6 頁 257 (公式 9.12)

essentialFromRt()

void cv::sfm::essentialFromRt	(	InputArray	一個可能的旋轉矩陣。,
		InputArray	t1,
		InputArray	另一個可能的旋轉矩陣。,
		InputArray	t2,
		OutputArray	E )

#include <opencv2/sfm/fundamental.hpp>

從運動（R 和 t）獲取本質矩陣。

引數

一個可能的旋轉矩陣。	輸入 3x3 第一個相機旋轉矩陣。
t1	輸入 3x1 第一個相機平移向量。
另一個可能的旋轉矩陣。	輸入 3x3 第二個相機旋轉矩陣。
t2	輸入 3x1 第二個相機平移向量。
E	輸出 3x3 本質矩陣。

參考：[119] 9.6 頁 257 (公式 9.12)

fundamentalFromEssential()

void cv::sfm::fundamentalFromEssential	(	InputArray	E,
		InputArray	K1,
		InputArray	K2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

從基本矩陣和相機矩陣獲取本質矩陣。

引數

E	輸入 3x3 本質矩陣。
K1	輸入 3x3 第一個相機矩陣 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
K2	輸入 3x3 第二個相機矩陣。引數類似於 K1。
F	輸出 3x3 基本矩陣。

參考：[119] 9.6 頁 257 (公式 9.12) 或 http://ai.stanford.edu/~birch/projective/node20.html

fundamentalFromProjections()

void cv::sfm::fundamentalFromProjections	(	InputArray	P1,
		InputArray	P2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

從投影矩陣獲取基本矩陣。

引數

P1	輸入 3x4 第一個投影矩陣。
P2	輸入 3x4 第二個投影矩陣。
F	輸出 3x3 基本矩陣。

motionFromEssential()

void cv::sfm::motionFromEssential	(	InputArray	E,
		OutputArrayOfArrays	Rs,
		OutputArrayOfArrays	ts )

#include <opencv2/sfm/fundamental.hpp>

從本質矩陣獲取運動（R 和 t）。

引數

E	輸入 3x3 本質矩陣。
Rs	輸出 3x3 旋轉矩陣的向量。
ts	輸出 3x1 平移向量的向量。

參考：[119] 9.6 頁 259 (結果 9.19)

motionFromEssentialChooseSolution()

int cv::sfm::motionFromEssentialChooseSolution	(	InputArrayOfArrays	Rs,
		InputArrayOfArrays	ts,
		InputArray	K1,
		InputArray	x1,
		InputArray	K2,
		InputArray	x2 )

#include <opencv2/sfm/fundamental.hpp>

從本質矩陣的四個可能的運動解決方案中選擇一個。

引數

Rs	輸入 3x3 旋轉矩陣的向量。
ts	輸入 3x1 平移向量的向量。
K1	輸入 3x3 第一個相機矩陣 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
x1	輸入 2x1 向量，包含第一個 2d 點。
K2	輸入 3x3 第二個相機矩陣。引數類似於 K1。
x2	輸入 2x1 向量，包含第二個 2d 點。

透過檢查匹配 x1–x2 的三角剖分是否位於相機前方來決定正確的解決方案。 返回正確解決方案的索引，如果無解，則返回 -1。

參考：參見 [119] 9.6 頁 259 (9.6.3 4 個解決方案的幾何解釋)。

normalizedEightPointSolver()

void cv::sfm::normalizedEightPointSolver	(	InputArray	x1,
		InputArray	x2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

估計兩個 2D 點資料集（影像座標空間）之間的基本矩陣。

引數

x1	檢視 1 中 2D 點的 2xN 輸入陣列。
x2	檢視 2 中 2D 點的 2xN 輸入陣列。
F	輸出 3x3 基本矩陣。

使用歸一化的 8 點基本矩陣求解器。 參考：[119] 11.2 頁 281 (x1 = x, x2 = x')

normalizeFundamental()

void cv::sfm::normalizeFundamental	(	InputArray	F,
		OutputArray	F_normalized )

#include <opencv2/sfm/fundamental.hpp>

標準化基本矩陣。

引數

F	輸入 3x3 基本矩陣。
F_normalized	輸出 3x3 歸一化的基本矩陣。

預設情況下，將基本矩陣除以其 L2 範數。

projectionsFromFundamental()

void cv::sfm::projectionsFromFundamental	(	InputArray	F,
		OutputArray	P1,
		OutputArray	P2 )

#include <opencv2/sfm/fundamental.hpp>

從基本矩陣獲取投影矩陣。

引數

F	輸入 3x3 基本矩陣。
P1	輸出 3x4 一個可能的投影矩陣。
P2	輸出 3x4 另一個可能的投影矩陣。

relativeCameraMotion()

void cv::sfm::relativeCameraMotion	(	InputArray	一個可能的旋轉矩陣。,
		InputArray	t1,
		InputArray	另一個可能的旋轉矩陣。,
		InputArray	t2,
		OutputArray	R,
		OutputArray	t )

#include <opencv2/sfm/fundamental.hpp>

計算兩個相機之間的相對相機運動。

引數

一個可能的旋轉矩陣。	輸入 3x3 第一個相機旋轉矩陣。
t1	輸入 3x1 第一個相機平移向量。
另一個可能的旋轉矩陣。	輸入 3x3 第二個相機旋轉矩陣。
t2	輸入 3x1 第二個相機平移向量。
R	輸出 3x3 相對旋轉矩陣。
t	輸出 3x1 相對平移向量。

給定兩個相機的運動引數，計算第二個相機的運動引數，假設第一個相機位於原點。 如果 T1 和 T2 是相機運動，則計算的相對運動是 \(T = T_2 T_1^{-1}\)