算法基本思想如下:
1)将每条直线的端点e1,e2,写成齐次坐标的形式e1=(x1_i,y1_i,w),e2=(x1_i,y1_i,w);则点的欧式坐标为(x1_i/w,y1_i/w),(x2_i/w,y2_i/w);常数w通常取1,当取0时,即代表该点处于无穷远处,这在欧式坐标里表示需要无穷远的符号。
2)将直线表示为其两个端点的叉乘的齐次坐标向量(说明白点就是,两个点齐次坐标的叉乘为过这两个点直线的齐次坐标方向向量),即一条直线可由两个点的叉乘表示。即直线
L1=(a_i,b_i,c_i)=e1 X e2;结果向量只是通过两个端点的平面直线的方程a_i x + b_i y + c_i = 0的参数
3)如果只有两条直线,L1和L2,两条直线的交点可由直线向量的叉乘表示,即V=L1 X L2
对V进行缩放,使最后一个坐标为1,即(Vx,Vy,1),Vx和Vy作为图像中的消失点。然而,最好将消失点保留为齐次坐标向量,因为消失点可能离图像很远,甚至在无穷远处(在这种情况下,V的第三个分量是0,当您尝试缩放时,会得到除以0的结果)。
4)但如果有n条直线求交点,L1,L2,...,Ln,按照下面的方法,您可以获得“最佳拟合”消失点。
4-1)形成3×3的“二阶矩”矩阵M为
[a_i*a_i a_i*b_i a_i*c_i]
M=sum [a_i*b_i b_i*b_i c_i*b_i]
&nbs

本文详细介绍了在三维空间中计算多条直线交点的过程,特别是如何找到最佳拟合的消失点。首先,通过齐次坐标表示直线端点,然后利用叉乘表示直线方向向量。接着,通过计算‘二阶矩’矩阵并进行特征值分解,找出与最小特征值相关的特征向量作为消失点。最后,提供了一段C++代码实现这一过程,但指出可能存在精度问题,需要进一步测试和完善。
最低0.47元/天 解锁文章
932





