消失点位姿估计思路-车道线标定

本文探讨了利用车道线消失点进行相机外参校准的两种方法:一是直接计算法,二是基于Gaussian球的在线一致性IPM算法。着重介绍了利用理想消失点和线段集合求解俯仰角和偏航角的过程,以及如何结合帧序列的KEF算法进行位姿估计。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

消失点位姿估计思路 参考文章:Online Extrinsic Camera Calibration for Temporally Consistent IPM Using Lane Boundary Observations with a Lane Width Prior(cvpr2020)

最近在想着外参修正的问题,基本的思想是利用车道线的消失点来实现当前的位姿估计。参考了很多文献目前两种方法:
1、利用消失点和内参来计算

np.arctan((vp[1] - v) / fx) * 180 / pi
np.arctan((vp[0] - u) / fy) * 180 / pi

vp是消失点。
这是最简单的方法,可以计算出 俯仰角pitch 和 偏航角yaw
2、即参考文章Online Extrinsic Camera Calibration for Temporally Consistent IPM Using Lane Boundary Observations with a Lane Width Prior实现方法
核心思想是高斯球上两个great circle的交点。great circle是光心与像平面平行线段的单位圆。算法主要思想如下:
1)通过文中的算法1计算出理想的消失点vp和理想的线段集合Lc
2)计算Lc中每条线段的great circle的法向量
3)这些法向量均与VD垂直,所以构成超定方程求解VD
4)依据VD求解pitch和yaw
注意求解的pitch和yaw是弧度,需要转换为角度。
初始化的思路就如上
后面不论是方法1还是2都可以利用KEF来进行帧序列的位姿求解。
具体代码由于种种原因就不放出来了,有问题欢迎打扰。

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值