视觉SLAM十四讲 读书编程笔记 Chapter5 相机与图像

最新推荐文章于 2024-06-30 14:43:38 发布
最新推荐文章于 2024-06-30 14:43:38 发布
阅读量1k 收藏 10
点赞数 1
分类专栏： SLAM 文章标签： 视觉slam十四讲 第五章相机与图像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wolfcsharp/article/details/98739041
版权

Chapter5 相机与图像

相机模型

  1. 使用针孔和畸变两个模型来描述相机的整个投影过程，把外部的三维点投影到相机内部的成像平面，就构成了相机的内参数。

  2. 针孔相机模型
    在这里插入图片描述
    在相机坐标系下，设物点P坐标为[X,Y,Z]T,像点P’坐标为[X’,Y’,Z’]T,显然Z’=f，那么根据相似三角形，有：
    Z/f = -X/X’ = -Y/Y’
    这是初中物理的知识，其中负号表示像是倒着的，像的正倒对于CCD传感器没有任何实际意义，因此将负号去掉：
    Z/f = X/X’ = Y/Y’，整理得：X’=fX/Z Y’=fY/Z
    在这里插入图片描述

  3. 内参矩阵：像素坐标系与物理成像平面坐标系互相转换
    像素坐标系定义：原点位于左上角，u轴向右与x轴平行，v轴向下与y轴平行。
    像素坐标系与成像平面之间，相差了一个缩放和一个原点的平移。
    设像素坐标在u轴上缩放了alpha倍，在v轴上缩放了beta倍，原点平移了[cx,cy]T
    像点P’与像素坐标[u,v]T的关系为：
    u = alpha X’ + cx
    v = beta X’ + cy
    令fx = alpha f , fy = beta f ,那么：
    u = fxX/Z + cx
    v = fyY/Z + cy
    写成矩阵形式为：在这里插入图片描述
    按照传统习惯，将Z挪到左侧：
    在这里插入图片描述
    其中K就是相机的内参矩阵，它与焦距f，原点的平移[cx,cy]T,u轴上的缩放alpha，v轴上的缩放beta有关。

  4. 内参矩阵&外参矩阵：世界坐标系向像素坐标系的转换
    在这里插入图片描述
    这里的Pw=[Xw,Yw,Zw,1]T,是齐次坐标；
    TPw=[Xc,Yc,Zc,1]T,表示的也是齐次坐标；
    这里TPw隐含了一次齐次坐标向非其次坐标转换的过程，转换完之后，不区分记号Pc=TPw=[Xc,Yc,Zc]T；
    如果将Pc也进行归一化，上图中式子两边同除Z(实质上是Zc)，就变成了齐次坐标等式：Puv=KTPw ,
    此时Pc=[Xc/Zc,Yc/Zc,1]T,成为归一化坐标，它位于相机前方z=1处的平面上，该平面也被称为归一化平面。

  5. 径向畸变
    径向畸变是由透镜形状引入的，分为桶形失真和枕形失真。
    设[x,y]T是归一化的平面点坐标，[xdistorted,ydistorted]T是畸变后点的坐标。
    xdistorted = x(1 + k1r2 + k2r4 + k3r6)
    ydistorted = y(1 + k1r2 + k2r4 + k3r6)
    畸变较小的图像中心区域，畸变纠正主要是k1在起作用；而对于畸变较大的边缘区域，主要是k2在起作用。普通相机用这两个系数就可以很好的纠正径向畸变，对于畸变很大的摄像头，比如鱼眼镜头，可以加入k3畸变项对径向畸变进行纠正。

  6. 切向畸变
    切向畸变是由于透镜和成像平面不严格平行而引入的。
    在这里插入图片描述
    切向畸变可以用两个参数p1，p2来进行纠正：
    xdistorted = x + 2p1xy + p2(r2+2x2)
    ydistorted = y + 2p2xy + p1(r2+2y2)

  7. 径向畸变和切向畸变共同作用
    假设相机坐标系中有一点P(X,Y,Z),通过径向畸变和切向畸变的五个系数，可以找到这个点在像素平面上的正确位置：
    (1)将相机坐标系下的三维点投影到归一化图像平面。设它的归一化坐标为[x,y]T.
    (2)对归一化平面上的点进行径向畸变和切向畸变纠正。给定归一化坐标，可以求出原始图像上的坐标
    xdistorted = x(1 + k1r2 + k2r4 + k3r6) + 2p1xy + p2(r2+2x2)
    ydistorted = y(1 + k1r2 + k2r4 + k3r6) + 2p2xy + p1(r2+2y2)
    (3)将纠正后的点通过内参数矩阵投影到像素平面，得到该点在图像上的正确位置。
    u = fxxdistorted + cx
    v = fyydistorted + cy

实际使用中，存在两种去畸变处理方法。
方法一：先对整张图像进行去畸变处理，得到去畸变之后的图像，然后用针孔模型讨论空间点的投影问题。
方法二：考虑图像中的某个点，按照去畸变的方程，讨论其去畸变后的空间位置。

双目相机原理简介

在这里插入图片描述
如图所示，左眼像素PL(uL,vL),右眼像素PR(uR,vR).
假设左眼像素和右眼像素的v是相同的，即相机只在水平方向发生旋转或平移。那么沿着x方向OLPL的距离为uL - cx,沿着x方向ORPR的距离为cx - uR
根据三角形PPLPR和三角形POLOR的相似关系，有：
(z-f)/z = (b-(uL-cx)-(cx-uR))/b
(z-f)/z = (b-(uL-uR))/b
设视差d=uL-uR，那么：
(z-f)/z = (b-d)/b
整理得：
z = fb/d
可见，视差与距离成反比：视差越大，距离越近。
而又因为视差最小为一个像素，所以，双目深度存在一个极限值，由fb决定。fb越大，设备能测到的距离就越远。

实践：图像的存取与访问

  1. 安装opencv的依赖
sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev libtbb-dev

在ubuntu16.04上出现报错
在这里插入图片描述
按照提示改成：

sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff5-dev libjasper-dev libopenexr-dev libtbb-dev
  1. opencv源码编译
    opencv本身也是一个cmake工程，make之后，要调用如下命令将其安装在机器上
sudo make install
  1. 一些问题说明
    我下载的opencv源码版本为opencv-3.3.0.zip，使用的操作系统是ubuntu16.04
    在执行make时，出现如下报错：
    .
    在这里插入图片描述解决办法如下：
sudo apt-get autoremove libtiff5-dev
sudo apt-get install libtiff5-dev

然后再make就可以成功了。

代码：
imageBasics,cpp

//2019.08.07
#include <iostream>
#include <chrono>
using namespace std;

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

int main(int argc, char** argv)
{
	//读取argv[1]指定的图像
	cv::Mat image;
	image = cv::imread(argv[1]);//cv::imread函数读取指定路径下的图像
	//判断图像文件是否正确读取
	if(image.data == nullptr)//数据不存在，可能是文件不存在
	{
		cerr << "文件" << argv[1] << "不存在." << endl;
		return 0;
	}
	
	//若文件读取顺利，首先输出一些基本信息
	cout<<"图像宽为"<<image.cols<<", 高为"<<image.rows<<", 通道数为"<<image.channels()<<endl;
	cv::imshow("image",image);//用cv::imshow()显示图像
	//判断image的类型
	if(image.type() != CV_8UC1 && image.type() != CV_8UC3)
	{
		//图像类型不符合要求
		cout << "请输入一张彩色图或灰度图."<<endl;
		return 0;
	}
	
	//遍历图像
	//使用std::chrono来给算法计时
	chrono::steady_clock::time_point t1 = chrono::steady_clock::now();
	for( size_t y=0; y<image.rows;y++)
	{
		for( size_t x=0;x<image.cols;x++)
		{
			//访问位于x，y处的像素
			//用cv::Mat::ptr获得图像的行指针
			unsigned char* row_ptr = image.ptr<unsigned char>(y);//row_ptr是第y行的头指针
			unsigned char* data_ptr = &row_ptr[x*image.channels()];//data_ptr指向待访问的像素数据
			//输出该像素的每个通道，如果是灰度图就只有一个通道
			for(int c=0; c != image.channels();c++)
			{
				unsigned char data = data_ptr[c];//data为I(x,y)第c个通道的值
			}
		}
	}
	chrono::steady_clock::time_point t2 = chrono::steady_clock::now();
	chrono::duration<double> time_used = chrono::duration_cast<chrono::duration<double>>(t2-t1);
	cout <<"遍历图像用时："<<time_used.count()<<"秒。"<<endl;
	
	
	//关于cv::Mat的拷贝
	//直接赋值并不会复制数据
	cv::Mat image_another = image;
	//修改image_another会导致image发生变化
	image_another(cv::Rect(0,0,100,100)).setTo(0);//将左上角100×100的块置零
	cv::imshow("image",image);
	cv::waitKey(0);
	
	//使用clone函数来复制数据
	cv::Mat image_clone = image.clone();
	image_clone(cv::Rect(0,0,100,100)).setTo(255);
	cv::imshow("image",image);
	cv::imshow("image_clone",image_clone);
	cv::waitKey(0);

	//销毁掉所有窗口
	cv::destroyAllWindows();
	return 0;


}

CMakeLists.txt

#2019.08.07
# 添加C++标准文件
set(CMAKE_CXX_FLAGS "-std=c++11")

#寻找opencv库
find_package(OpenCV REQUIRED)

#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})


add_executable(imageBasics imageBasics.cpp)

#链接OpenCV库
target_link_libraries(imageBasics ${OpenCV_LIBS})

运行结果：
在这里插入图片描述
在这里插入图片描述

实践：点云拼接

安装PCL

PCL安装命令

sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl
sudo apt-get update
sudo apt-get install libpcl-all

在ubuntu16.04上运行报错，原因是源被移除。

解决办法：下载PCL源码，手动编译安装,步骤如下
(1)从github上下载pcl源码，下载地址为https://github.com/PointCloudLibrary/pcl
下载完成后，得到pcl-master.zip文件，解压

(2)安装相应依赖库

    sudo apt-get update
    sudo apt-get install git build-essential linux-libc-dev
    sudo apt-get install cmake cmake-gui 
    sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
    sudo apt-get install mpi-default-dev openmpi-bin openmpi-common  
    sudo apt-get install libflann1.8 libflann-dev
    sudo apt-get install libeigen3-dev
    sudo apt-get install libboost-all-dev
    sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev
    sudo apt-get install libqhull* libgtest-dev
    sudo apt-get install freeglut3-dev pkg-config
    sudo apt-get install libxmu-dev libxi-dev 
    sudo apt-get install mono-complete
    sudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jre

(2)在pcl-master文件夹下新建文件夹build
(3)在build文件夹下编译

cmake  -DCMAKE_BUILD_TYPE=None  -DCMAKE_INSTALL_PREFIX=/usr -DBUILD_GPU=ON  -DBUILD_apps=ON  -DBUILD_examples=ON  -DCMAKE_INSTALL_PREFIX=/usr ..
make -j2  
sudo make install

(4)可选，PCL可视化相关包安装

sudo apt-get install libopenni-dev 
sudo apt-get install libopenni2-dev

大功告成!

数据说明

在slambook/ch5/joinMap中准备了5对图像，在color/下有1.png到5.png共5张RGB图，而在depth/下有5张对应的深度图。同时，pose.txt文件给出了5张图像相机位姿(以TWC形式)。位姿记录的形式是平移向量加旋转四元数：[x,y,z,qx,qy,qz,qw]

点云拼接

(1)根据内参计算一对RGB-D图像对应的点云。
(2)根据各张图的相机位姿，把点云加起来，组成地图。
完整代码：
joinMap.cpp

//2019.08.08
#include <iostream>
#include <fstream>
using namespace std;
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <Eigen/Geometry>
#include <boost/format.hpp>//for formating strings
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
//#include <pcl/visualization/pcl_visualizer.h>//注释掉，因为没有编译显示相关的包

int main()
{
	vector<cv::Mat> colorImgs, depthImgs;	//彩色图和深度图
	vector<Eigen::Isometry3d, Eigen::aligned_allocator<Eigen::Isometry3d>> poses;//相机位姿(欧式变换矩阵4×4)
	
	ifstream fin("../pose.txt");
	if(!fin)
	{
		cerr<<"请在有pose.txt的目录下运行此程序"<<endl;
		return 1;
	}

	//读取5组彩色图、深度图和相机位姿
	for(int i=0;i<5;i++)
	{
		boost::format fmt("../%s/%d.%s");//图像文件格式
		colorImgs.push_back(cv::imread((fmt%"color"%(i+1)%"png").str() ));
		depthImgs.push_back(cv::imread((fmt%"depth"%(i+1)%"pgm").str(), -1 ));//使用-1读取原始图像
		
		double data[7] = {0};
		for(auto& d:data)
			fin>>d;
		
		//构造位姿矩阵T		
		Eigen::Quaterniond q(data[6],data[3],data[4],data[5]);//文件中位姿的记录形式是[x,y,z,qx,qy,qz,qw],而Eigen构造的四元数要把实部放在最前面
		Eigen::Isometry3d T(q);//旋转用四元数表示
		T.pretranslate(Eigen::Vector3d(data[0],data[1],data[2]));//设置平移向量
		
		poses.push_back(T);
	}
	
	//计算点云并拼接
	//相机内参
	double cx = 325.5;
	double cy = 253.5;
	double fx = 518.0;
	double fy = 519.0;
	double depthScale = 1000.0;

	cout<<"正在将图像转换为点云..."<<endl;
	//定义点云使用的格式，这里用XYZRGB
	typedef pcl::PointXYZRGB PointT;
	typedef pcl::PointCloud<PointT> PointCloud;

	//新建一个点云
	PointCloud::Ptr pointCloud(new PointCloud);
	//遍历每一组数据
	for(int i=0;i<5;i++)
	{
		cout<<"转换图像中："<<i+1<<endl;
		cv::Mat color = colorImgs[i];
		cv::Mat depth = depthImgs[i];
		Eigen::Isometry3d T = poses[i];
		//遍历每一个像素
		for(int v=0; v<color.rows;v++)
		{
			for(int u=0;u<color.cols;u++)
			{
				unsigned int d = depth.ptr<unsigned short>(v)[u];
				if(d==0) continue;//为0表示没有测量到深度
				Eigen::Vector3d point;
				point[2] = double(d)/depthScale;
				point[0] = (u-cx)*point[2]/fx;
				point[1] = (v-cy)*point[2]/fy;
				Eigen::Vector3d pointWorld = T*point;//这里的T表示的是Twc,是将相机坐标系转换为世界坐标系的外参矩阵

				PointT p;
				p.x = pointWorld[0];
				p.y = pointWorld[1];
				p.z = pointWorld[2];
				p.b = color.data[v*color.step+u*color.channels()];
				p.g = color.data[v*color.step+u*color.channels() + 1];
				p.r = color.data[v*color.step+u*color.channels() + 2];
				pointCloud->points.push_back(p);
				
			}
		}
	}


	pointCloud->is_dense = false;
	cout <<"点云共有"<<pointCloud->size()<<"个点."<<endl;
	pcl::io::savePCDFileBinary("map.pcd",*pointCloud);


	return 0;

}

值得注意的是，必须注释掉头文件的最后一行，因为在上面pcl的安装中没有编译显示相关的包。
//#include <pcl/visualization/pcl_visualizer.h>
CMakeLists.txt

#2019.08.29
cmake_minimum_required( VERSION 2.8 )
project( joinMap )

set( CMAKE_BUILD_TYPE Release )
set( CMAKE_CXX_FLAGS "-std=c++11 -O3" )

# opencv 
find_package( OpenCV REQUIRED )
include_directories( ${OpenCV_INCLUDE_DIRS} )

# eigen 
include_directories( "/usr/include/eigen3/" )

# pcl 
find_package( PCL REQUIRED COMPONENT common io )
include_directories( ${PCL_INCLUDE_DIRS} )
add_definitions( ${PCL_DEFINITIONS} )

add_executable( joinMap joinMap.cpp )
target_link_libraries( joinMap ${OpenCV_LIBS} ${PCL_LIBRARIES} )

运行结果：
编译运行之后，在build文件夹下会生成map.pcd文件。
然后，输入如下命令显示这个map.pcd文件：

pcl_viewer map.pcd

结果如下：
在这里插入图片描述

高翔视觉slam 14讲 配套代码
07-19
高翔视觉slam 14讲 配套套代码，每一章都有，有助于学习视觉SLAM
深蓝学院视觉slam十四讲第5章作业
Jevin-L的博客
06-27 2015
2.1 // compute the angle void computeAngle(const cv::Mat &image, vector<cv::KeyPoint> &keypoints) { int half_patch_size = 8; for (auto &kp : keypoints) { float m01 = 0, m10 = 0; //从(u − 8, v − 8) 取到 (u + 7, v + ..
视觉SLAM十四讲学习记录 第五讲
qq_20184333的博客
10-04 1372
视觉SLAM十四讲学习记录 第五讲
视觉SLAM ch5代码总结（一）
qq_41451702的博客
12-17 4275
1.int argc,char **argv argc 表示输入参数的个数 *argv 是指针数组 存放输入的参数（可能比较抽象，看下面例子会清晰点） 例如 make 以后再终端输入 ./imageBasics ../ubuntu.png argc = 2 argv[0] 是./imageBasics ,argv[1] 是 ../ubuntu.png cout<<argc<<" "<<argv[0]<<" "<<...
视觉slam14讲——第5讲 相机与图像
leeayu的博客
10-25 5035
第5讲 相机与图像 相机模型 1 针孔相机模型 2 畸变 3 双目相机模型 4 RGBD相机模型 图像的存储和访问 1 图像的存储 2 图像的通道 3 opencv图像像素的遍历第5讲 相机与图像1 相机模型 相机模型是用来描述将三维世界坐标系中的坐标点映射到二维图像平面的过程 使用针孔和畸变两个模型来描述整个投影过程。 1.1 针孔相机模型 (1) 相机坐标系内中物理坐标点P=[X,Y
计算机视觉学习资料汇总（超多干货）
qq_29462849的博客
12-21 4212
前言 本资料首发于公众号【3D视觉工坊】，更多干货请关注公众号后台回复关键字获取~ （一）基础操作 Linux 学习网站 Linux中国：https://linux.cn/ 鸟哥的linux私房菜：http://linux.vbird.org/ Linux公社： https://www.linuxidc.com/ 学习书籍 《鸟哥的Linux私房菜》 《Linux命令行与shell脚本编程大全》 ...
那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）
qq_29462849的博客
12-19 2033
点击上方“3DCVer”，选择“星标”干货第一时间送达之前我们总结了一篇关于3D视觉系统学习路线——《吐血整理|3D视觉系统化学习路线》，本文重点是对于各个模块的一些资料整理，如有不完善...
《视觉slam十四讲》ch5相机与图像学习笔记（1）—— 实践部分imageBasics代码讲解
weixin_70026476的博客
10-06 1386
第五章的ch5/imageBasics例程相对来说比较简单，代码内容包括读取图像文件，输出图像信息，遍历图像，图像的直接复制以及利用clon函数复制等。介绍一下其中的干货。
视觉SLAM十四讲学习笔记——ch5 相机与图像
路拾遗的博客
04-01 5451
文章目录5. 相机与模型5.1 相机模型5.2 图像5.3 实践5.3.1 Open CV的基本使用方法5.3.2 图像去畸变5.4 3D视觉5.4.1 双目视觉5.4.2 RGB-D视觉5.5 利用 KDevelop IDE编译器 编译执行文件 5. 相机与模型 5.1 相机模型 理论参考博客: 1.《视觉SLAM十四讲》相机位姿与相机外参的区别与联系 2.《视觉SLAM十四讲》学习笔记：第5讲相机与图像 5.2 图像 理论参考博客: 1.视觉SLAM十四讲学习笔记-第五讲-图像和实践 5.3 实践
视觉 slam14讲Chapter (5)程序执行
Xuesengxinyi的博客
07-06 1222
视觉 slam14讲Chapter (5)程序执行遇到的智障问题。把程序所需要的PCL库和Opencv库安装好后，本来兴奋的等着看结果的，没想到被智障的自己绊的走不动路来看第一个问题程序cmake .. make以后生成了可执行文件imageBasics,执行结果如图，下一步就深深困到我这个对Ubuntu不是很熟悉的小和尚，并且不知道问题该如何描述。好在，在程序的世界里我有强哥，三下五除一就搞定了...
视觉 SLAM 十四讲 —— 第五讲 相机与图像
健康工作每一天
10-19 771
视觉 SLAM 十四讲 —— 第五讲 相机与图像 前面两讲主要介绍了“机器人如何表示自身位姿”，本讲将讨论“机器人如何观测外部世界”，也就是观测方程部分。主要内容包括 理解针孔相机的模型，内参与径向畸变参数 理解一个空间点是如何投影到相机成像平面的 学会基本的摄像头标定方法 相机模型 针孔相机模型 这里着重介绍以下相机内参数方程，它可以基于基础的小孔成像公式推导得到。 其中，为在成像平面上所成像的坐标值，为相机坐标系下物体所在位置的坐标值。为相机坐标系原点与成像坐标系原点的偏差。...
李哈哈视觉SLAM十四讲源码的正确打开方式：第5讲 相机与图像
qq_41883714的博客
06-06 890
时隔多年，又回来搞14讲后边的实践部分了 5.3 实践：计算机中的图像 5.3.1 OpenCV的基本使用方法 安装OpenCV，build之后别忘了sudo make install将OpenCV安装到电脑上 实验源代码为imageBasics.cpp，因为创建了build文件夹，所以可执行文件在build里 经过cmake ..和make之后，使用如下指令运行： ./imageBasics /home/lihaha/桌面/ch5_1.0/imageBasics/ubuntu.png 前者是可执行文件，
《视觉slam十四讲》初学小白笔记（5）
qq_38336419的博客
07-02 613
拼接点云 #include<iostream> #include<fstream> using namespace std; #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<Eigen/Geometry> #include<boost/format.hpp> #include<pcl/point_types.h&gt.
Eigen::Isometry3d 的定义和用途
最新发布
点云兔子的博客
06-30 1214
是Eigen库中的一个非常有用的类，用于处理三维空间中的刚体变换。它封装了旋转和平移的组合操作，可以方便地应用于三维点或向量的变换。通过提取Isometry3d中的旋转矩阵和平移向量，可以轻松地进行各种几何计算和操作。
SLAM重点摘要3:相机畸变模型与内外参矩阵
qq_39995170的博客
08-16 769
关键词：针孔模型， 畸变模型，内参矩阵，外参矩阵 针孔模型：相似三角形模型 Z/f = X/X’ = Y/Y’ 这里我们将成像平面固定在相机焦点处，在外界物体距离相机较远比如十倍焦距以上的，根据理想状态下相机模型： 1/u + 1/v = 1/f 相距将在f很近的位置，因此将胶片放置在f处具有科学道理。 以透镜的光心为原点，以光轴所在直线为X轴，以胶片的网格方向为XY轴方向，我们可以建立相机坐标系...
详解joinMap.cpp源代码及描述
HackNebulaZ的博客
08-21 109
接着，定义了一个joinMap函数，该函数接受两个参数：map1和map2，它们都是类型为std::map的映射。如果map2中存在相同的键，则我们获取map2中该键对应的值，并将map1和map2的值进行拼接，形成一个新的字符串joinedValue。接着，我们调用joinMap函数，将map1和map2作为参数传入，并将结果保存在名为joinedMap的映射中。在joinMap函数中，我们创建了一个名为result的空映射，用于存储join操作的结果。
视觉SLAM——第三章　Eigen几何模块Geometry使用 四元素 欧式变换矩阵
万有文的博客
09-24 8141
视觉SLAM——第三章 Eigen几何模块Geometry使用 四元素 欧式变换矩阵 github链接 点击打开链接 博文末尾支持二维码赞赏哦 ^_^ * 本程序演示了 Eigen 几何模块的使用方法 * 旋转向量 Eigen::AngleAxisd 角度 轴 Eigen::AngleAxisd rotation_vector ( M_PI/4, Eigen::Vector3d ( ...
Eigen 中Geometry （几何模块）
博客
08-02 3922
该代码源于《视觉SLAM十四讲》 Eigen 中Geometry （几何模块） 主要操作有旋转向量和旋转矩阵之间的转换；欧拉角（旋转矩阵变欧拉角）；欧式变换（旋转+平移）；四元数 该页代码用于日后查找方便 （添加了部分笔记） #include &amp;lt;iostream&amp;gt; #include &amp;lt;cmath&amp;gt; using namespace std; #include &amp;lt...
像素坐标 根据深度信息 得到 3维点
热门推荐
万有文的博客
01-06 1万+
现实世界物体坐标　—(外参数 变换矩阵Ｔ变换)—> 相机坐标系　—(同/Z)—>归一化平面坐标系——>径向和切向畸变纠正——>(内参数平移　Cx Cy 缩放焦距Fx Fy) ——> 图像坐标系下　像素坐标 u=Fx *X/Z + Cx 　　像素列位置坐标　 v=Fy *Y/Z + Cy 　　像素列
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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