triangulateMultiview
三维世界的位置点匹配多个图像
语法
描述
worldPoints= triangulateMultiview (pointTracks,cameraPoses,intrinsic)pointTracks指定数组的匹配点。cameraPoses和intrinsic分别指定相机姿态信息和intrinsic。函数不占透镜畸变。
(此外为每一个三维世界点返回均值reprojection错误使用所有输入参数在前面的语法。worldPoints,reprojectionErrors)= triangulateMultiview (___)
(另外世界点返回有效和无效的指标。有效的点是坐落在镜头前。worldPoints,reprojectionErrors,validIndex)= triangulateMultiview (___)
例子
从多个视图重建场景
在工作区中加载图片。
imageDir = fullfile (toolboxdir (“愿景”),“visiondata”,“structureFromMotion”);imd = imageDatastore (imageDir);
加载预先计算的相机参数。
data =加载(fullfile (imageDir“cameraParams.mat”));
摄像机内参数。
intrinsic = data.cameraParams.Intrinsics;
计算功能的第一形象。
我= im2gray (readimage (imd, 1));我= undistortImage intrinsic);pointsPrev = detectSURFFeatures(我);[featuresPrev, pointsPrev] = extractFeatures(我pointsPrev);
负载相机姿势。
poseData =负载(“sfmCameraPoses.mat”);absPoses = poseData.absPoses;
创建一个imageviewset对象。
vSet = imageviewset;vSet = addView (vSet 1 absPoses(1),点= pointsPrev);
计算特性和匹配的图像。
为我= 2:元素个数(imds.Files)我= im2gray (readimage (imd,我));我= undistortImage intrinsic);点= detectSURFFeatures(我);(特性,分)= extractFeatures(我点);vSet = addView (vSet, absPoses(我),点=点);pairsIdx = matchFeatures (featuresPrev、特性MatchThreshold = 5);vSet = addConnection (vSet,张,我、火柴= pairsIdx);featuresPrev =功能;结束
找点痕迹。
跟踪= findTracks (vSet);
相机的姿势。
cameraPoses =姿势(vSet);
找到3 d世界点。
[xyzPoints、错误]= triangulateMultiview(跟踪、cameraPoses intrinsic);z = xyzPoints (:, 3);idx =错误z > < 5 & 0 & z < 20;pcshow (xyzPoints (idx:), AxesVisibility =“上”VerticalAxis =“y”VerticalAxisDir =“向下”,MarkerSize = 30);持有在plotCamera (cameraPoses、大小= 0.2);持有从
输入参数
输出参数
worldPoints——3 d世界分
N3矩阵
3 d世界点,作为一个返回N3矩阵。每一行代表一个点和3 d世界的形式x,y,z]。N是三维世界的数量分。
数据类型:单|双
reprojectionErrors——Reprojection错误
N元向量
Reprojection错误,作为一个返回N元向量。计算reprojection错误,第一个功能项目每个世界点回每个图像。然后,在每个图像,函数计算检测和reprojected点之间的距离。每个元素的reprojectionErrors输出的平均reprojection错误对应点的世界worldPoints输出。
validIndex——世界点的有效性
米1逻辑向量
有效性的点,作为一个返回米1逻辑向量。有效的点,表示逻辑1(真正的),位于在镜头前。无效的点,表示逻辑0(假),位于后面的相机。
世界点的有效性对相机的位置是由世界点情绪投射到图像使用摄像机矩阵和齐次坐标。世界上是有效的,如果由此产生的比例因子是正的。
提示
探测点,之前正确的图像通过使用透镜畸变undistortImage函数。或者,您可以直接undistort点使用undistortPoints函数。
引用
[1]
