基本矩阵的T和R估计 [英] T and R estimation from essential matrix

问题描述

我创建了一个简单的测试应用程序，从基本矩阵中执行翻译（ T ）和旋转（ R ）估算。

I created a simple test application to perform translation (T) and rotation (R) estimation from the essential matrix.

1. 生成50个随机点。


2. 计算投影 pointSet1 。


3. 通过矩阵（ R | T ）转换点。


4. 计算新投影 pointSet2 。


5. 然后计算基本矩阵 F 。


6. 提取基本矩阵如 E = K2 ^ TF K1 （ K1，K2 - 内部相机矩阵）。


7. 使用SVD获取 UDV ^ T 。

1. Generate 50 random Points.
2. Calculate projection pointSet1.
3. Transform Points via matrix (R|T).
4. Calculate new projection pointSet2.
5. Then calculate fundamental matrix F.
6. Extract essential matrix like E = K2^T F K1 (K1, K2 - internal camera matrices).
7. Use SVD to get UDV^T.

并计算 restoredR1 = UWV ^ T ， restoredR2 = UW ^ T 。

但是当我计算平移向量时， restoredT = UZU ^

But when I calculate translation vector, restoredT = UZU^T, I get normalized T.

已恢复正常化 T Tz）= T

restoredT*max(T.x, T.y, T.z) = T

如何恢复正确的翻译向量？

How to restore correct translation vector?

推荐答案

我明白了！我不需要在这一步的实际长度估计。
当我得到第一个图像，我必须设置公制转换（比例因子）或估计它从已知对象的校准。之后，当接收第二帧时，计算规范的T，并且使用来自第一帧的已知的3d坐标来求解方程（sx2，sy2,1）= K（R | lambda; T）（X，Y，Z）并找到lambda - 比lambda T将是正确的度量翻译...

I understand! I don't need real length estimation on this step. When i get first image, i must set metric transformation (scale factor) or estimate it from calibration from known object. After, when i recieve second frame, i calculate normilized T, and using known 3d coordinates from first frame to solve equation (sx2, sy2, 1) = K(R|lambdaT)(X,Y,Z); and find lambda - than lambdaT will be correct metric translation...

我检查它，这是真的/所以...也许谁知道更简单的解决方案？

I check it, and this is true/ So... maybe who know more simple solution?

这篇关于基本矩阵的T和R估计的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！