主要内容

estimateWorldCameraPose

估计相机姿势从三维到二维点对应关系

描述

例子

(worldOrientation,worldLocation)= estimateWorldCameraPose (imagePoints,worldPoints,cameraParams)返回校准相机的方向和位置的世界坐标系统。输入worldPoints必须定义在世界坐标系统。

这个函数解决了角度n分(PnP)问题使用perspective-three-point (P3P)算法[1]。函数也消除了伪通讯使用M-estimator样品一致(MSAC)算法。

(___,inlierIdx)= estimateWorldCameraPose (imagePoints,worldPoints,cameraParams)回报的指标内围层用于计算相机的姿势,除了参数从之前的语法。

(___,状态)= estimateWorldCameraPose (imagePoints,worldPoints,cameraParams)此外返回一个状态码来表示是否有足够的点。

(___)= estimateWorldCameraPose (___,名称,值)使用指定的一个或多个额外的选项名称,值对参数,使用任何前面的语法。

例子

全部折叠

加载之前计算world-to-image通讯。

data =负载(“worldToImageCorrespondences.mat”);

估计世界上相机姿势。

[worldOrientation, worldLocation] = estimateWorldCameraPose (data.imagePoints、data.worldPoints data.cameraParams);

剧情世界点。

pcshow (data.worldPoints“VerticalAxis”,“Y”,“VerticalAxisDir”,“下来”,“MarkerSize”,30);持有plotCamera (“大小”10“定位”worldOrientation,“位置”,worldLocation);持有

图包含一个坐标轴对象。坐标轴对象包含11线类型的对象,文本,补丁,散射。

输入参数

全部折叠

不失真图像的坐标点,指定为一个2组(x,y)坐标。像点的数量,必须至少有四个。

函数不占透镜畸变。你可以undistort图像使用undistortImage函数之前检测的图像点,或者你可以undistort图像点自己使用undistortPoints函数。

数据类型:|

世界的坐标点,指定为一个3组(x,y,z)坐标。

数据类型:|

相机参数,指定为一个cameraParameterscameraIntrinsics对象。你可以返回cameraParameters对象使用estimateCameraParameters函数。的cameraParameters对象包含的内在、外在和摄像机镜头畸变参数。

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家

例子:“MaxNumTrials”,1000年

最大数量的随机试验,指定为逗号分隔两人组成的MaxNumTrials”,一个正整数标量。试验的实际数量取决于图像和世界点的数量,和的值MaxReprojectionError信心属性。增加试验的数量提高了鲁棒性输出的额外费用的计算。

信心寻找最大内围层数,指定为逗号分隔两人组成的“信心”和一个标量范围(0100)。增加这个值提高了鲁棒性输出的额外费用的计算。

Reprojection发现异常值,误差阈值指定为逗号分隔两人组成的“MaxReprojectionError和积极的数字标量的像素。增加这个值使得算法收敛更快,但可以减少结果的准确性。

输出参数

全部折叠

相机定位在世界坐标,作为3 x3的返回矩阵。

数据类型:

相机的位置,返回1×3单位向量。

数据类型:

指数窗点,作为一个返回1逻辑向量。逻辑真值向量对应的内围层中imagePointsworldPoints

状态码,返回0,1,或2

状态码 状态
0 没有错误
1 imagePointsworldPoints不包含足够的点。至少需要4分。
2 没有足够的内围层发现。至少需要4内围层。

引用

[1]高,X.-S。,X.-R。侯,j . Tang和H.F.程。“完整的解决方案分类Perspective-Three-Point问题。”IEEE模式分析与机器智能。第25卷第八期第943 - 930页,2003年8月。

[2]托,p·h·S。,和A. Zisserman. “MLESAC: A New Robust Estimator with Application to Estimating Image Geometry.”计算机视觉和图像理解。78年卷1,2000年4月,第138 - 156页。

扩展功能

介绍了R2016b