随手笔记——2D−2D: 对极几何及代码示例

原创

已于 2023-07-25 11:28:33 修改 · 315 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#笔记

于 2023-07-25 09:56:09 首次发布

该程序演示如何使用OpenCV库通过2D特征匹配来估计相机运动。关键步骤包括检测ORB特征，匹配描述符，计算基础矩阵、本质矩阵和单应矩阵，以及使用对极约束求解旋转(R)和平移(t)。代码利用findFundamentalMat、findEssentialMat和recoverPose等函数实现运动恢复。

随手笔记——2D−2D: 对极几何及代码示例

说明
几个重要矩阵
几个重要函数
对极约束求解相机运动

说明

2D−2D: 对极几何及代码示例

几个重要矩阵

基础矩阵（Fundamental Matrix）F 、本质矩阵（Essential Matrix）E、单应矩阵（Homography）H

几个重要函数

fundamental_matrix = findFundamentalMat(points1, points2, CV_FM_8POINT);
essential_matrix = findEssentialMat(points1, points2, focal_length, principal_point);
homography_matrix = findHomography(points1, points2, RANSAC, 3);

// 此函数仅在Opencv3中提供
recoverPose(essential_matrix, points1, points2, R, t, focal_length, principal_point);

对极约束求解相机运动

整个程序使用opencv提供的算法进行求解
源代码：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/calib3d/calib3d.hpp>
// #include "extra.h" // use this if in OpenCV2

using namespace std;
using namespace cv;

/****************************************************
 * 本程序演示了如何使用2D-2D的特征匹配估计相机运动
 * **************************************************/

void find_feature_matches(
  const Mat &img_1, const Mat &img_2,
  std::vector<KeyPoint> &keypoints_1,
  std::vector<KeyPoint> &keypoints_2,
  std::vector<DMatch> &matches);

void pose_estimation_2d2d(
  std::vector<KeyPoint> keypoints_1