基础

详细描述

函数
void	cv::sfm::computeOrientation (InputArrayOfArrays x1, InputArrayOfArrays x2, OutputArray R, OutputArray t, double s)
	计算两组3D点之间的绝对或外部方向（姿态估计）。
void	cv::sfm::essentialFromFundamental (InputArray F, InputArray K1, InputArray K2, OutputArray E)
	从基础矩阵和相机矩阵获取本质矩阵。
void	cv::sfm::essentialFromRt (InputArray R1, InputArray t1, InputArray R2, InputArray t2, OutputArray E)
	从运动（R 和 t）获取本质矩阵。
void	cv::sfm::fundamentalFromEssential (InputArray E, InputArray K1, InputArray K2, OutputArray F)
	从基础矩阵和相机矩阵获取本质矩阵。
void	cv::sfm::fundamentalFromProjections (InputArray P1, InputArray P2, OutputArray F)
	从投影矩阵获取基础矩阵。
void	cv::sfm::motionFromEssential (InputArray E, OutputArrayOfArrays Rs, OutputArrayOfArrays ts)
int	cv::sfm::motionFromEssentialChooseSolution (InputArrayOfArrays Rs, InputArrayOfArrays ts, InputArray K1, InputArray x1, InputArray K2, InputArray x2)
void	cv::sfm::normalizedEightPointSolver (InputArray x1, InputArray x2, OutputArray F)
	估计两组2D点（图像坐标空间）之间的基础矩阵。
void	cv::sfm::normalizeFundamental (InputArray F, OutputArray F_normalized)
	归一化基础矩阵。
void	cv::sfm::projectionsFromFundamental (InputArray F, OutputArray P1, OutputArray P2)
	从基础矩阵获取投影矩阵。
void	cv::sfm::relativeCameraMotion (InputArray R1, InputArray t1, InputArray R2, InputArray t2, OutputArray R, OutputArray t)
	计算两个相机之间的相对相机运动。

函数文档

computeOrientation()

void cv::sfm::computeOrientation	(	InputArrayOfArrays	x1,
		InputArrayOfArrays	x2,
		OutputArray	R,
		OutputArray	t,
		double	s )

#include <opencv2/sfm/fundamental.hpp>

计算两组3D点之间的绝对或外部方向（姿态估计）。

参数

x1	输入第一个 3xN 或 2xN 点数组。
x2	输入第二个 3xN 或 2xN 点数组。
R	输出计算得到的 3x3 旋转矩阵。
t	输出计算得到的 3x1 平移向量。
s	输出计算得到的比例因子。

找到最佳变换，使得 xp=projection*(s*R*x+t)（与姿态估计，ePNP 相同）。目前，下面的例程仅适用于正交情况。

essentialFromFundamental()

void cv::sfm::essentialFromFundamental	(	InputArray	F,
		InputArray	K1,
		InputArray	K2,
		OutputArray	E )

#include <opencv2/sfm/fundamental.hpp>

从基础矩阵和相机矩阵获取本质矩阵。

参数

F	输入 3x3 基础矩阵。
K1	输入 3x3 第一个相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
K2	输入 3x3 第二个相机矩阵。参数与 K1 类似。
E	输出 3x3 本质矩阵。

参考文献：[116] 9.6 页 257（公式 9.12）

essentialFromRt()

void cv::sfm::essentialFromRt	(	InputArray	R1,
		InputArray	t1,
		InputArray	R2,
		InputArray	t2,
		OutputArray	E )

#include <opencv2/sfm/fundamental.hpp>

从运动（R 和 t）获取本质矩阵。

参数

R1	输入 3x3 第一个相机旋转矩阵。
t1	输入 3x1 第一个相机平移向量。
R2	输入 3x3 第二个相机旋转矩阵。
t2	输入 3x1 第二个相机平移向量。
E	输出 3x3 本质矩阵。

参考文献：[116] 9.6 页 257（公式 9.12）

fundamentalFromEssential()

void cv::sfm::fundamentalFromEssential	(	InputArray	E,
		InputArray	K1,
		InputArray	K2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

从基础矩阵和相机矩阵获取本质矩阵。

参数

E	输入 3x3 本质矩阵。
K1	输入 3x3 第一个相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
K2	输入 3x3 第二个相机矩阵。参数与 K1 类似。
F	输出 3x3 基础矩阵。

参考文献：[116] 9.6 页 257（公式 9.12）或 http://ai.stanford.edu/~birch/projective/node20.html

fundamentalFromProjections()

void cv::sfm::fundamentalFromProjections	(	InputArray	P1,
		InputArray	P2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

从投影矩阵获取基础矩阵。

参数

P1	输入 3x4 第一个投影矩阵。
P2	输入 3x4 第二个投影矩阵。
F	输出 3x3 基础矩阵。

motionFromEssential()

void cv::sfm::motionFromEssential	(	InputArray	E,
		OutputArrayOfArrays	Rs,
		OutputArrayOfArrays	ts )

#include <opencv2/sfm/fundamental.hpp>

从本质矩阵获取运动（R 和 t）。

参数

E	输入 3x3 本质矩阵。
Rs	输出 3x3 旋转矩阵向量。
ts	输出 3x1 平移向量。

参考文献：[116] 9.6 页 259 (结果 9.19)

motionFromEssentialChooseSolution()

int cv::sfm::motionFromEssentialChooseSolution	(	InputArrayOfArrays	Rs,
		InputArrayOfArrays	ts,
		InputArray	K1,
		InputArray	x1,
		InputArray	K2,
		InputArray	x2 )

#include <opencv2/sfm/fundamental.hpp>

从本质矩阵中选择四个可能的运动解之一。

参数

Rs	输入 3x3 旋转矩阵向量。
ts	输入 3x1 平移向量。
K1	输入 3x3 第一个相机矩阵 \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。
x1	输入 2x1 向量，包含第一个二维点。
K2	输入 3x3 第二个相机矩阵。参数与 K1 类似。
x2	输入 2x1 向量，包含第二个二维点。

通过检查匹配点对 x1-x2 的三角化结果是否位于摄像机前方来确定正确的解。返回正确解的索引，如果无解则返回 -1。

参考文献：参见 [116] 9.6 页 259 (9.6.3 四个解的几何解释)。

normalizedEightPointSolver()

void cv::sfm::normalizedEightPointSolver	(	InputArray	x1,
		InputArray	x2,
		OutputArray	F )

#include <opencv2/sfm/fundamental.hpp>

估计两组2D点（图像坐标空间）之间的基础矩阵。

参数

x1	输入视图 1 中的 2xN 二维点数组。
x2	输入视图 2 中的 2xN 二维点数组。
F	输出 3x3 基础矩阵。

使用归一化八点法基本矩阵求解器。参考文献：[116] 11.2 页 281 (x1 = x, x2 = x')

normalizeFundamental()

void cv::sfm::normalizeFundamental	(	InputArray	F,
		OutputArray	F_normalized )

#include <opencv2/sfm/fundamental.hpp>

归一化基础矩阵。

参数

F	输入 3x3 基础矩阵。
F_normalized	输出 3x3 归一化基本矩阵。

默认情况下，将基本矩阵除以其 L2 范数。

projectionsFromFundamental()

void cv::sfm::projectionsFromFundamental	(	InputArray	F,
		OutputArray	P1,
		OutputArray	P2 )

#include <opencv2/sfm/fundamental.hpp>

从基础矩阵获取投影矩阵。

参数

F	输入 3x3 基础矩阵。
P1	输出 3x4 一个可能的投影矩阵。
P2	输出 3x4 另一个可能的投影矩阵。

relativeCameraMotion()

void cv::sfm::relativeCameraMotion	(	InputArray	R1,
		InputArray	t1,
		InputArray	R2,
		InputArray	t2,
		OutputArray	R,
		OutputArray	t )

#include <opencv2/sfm/fundamental.hpp>

计算两个相机之间的相对相机运动。

参数

R1	输入 3x3 第一个相机旋转矩阵。
t1	输入 3x1 第一个相机平移向量。
R2	输入 3x3 第二个相机旋转矩阵。
t2	输入 3x1 第二个相机平移向量。
R	输出 3x3 相对旋转矩阵。
t	输出 3x1 相对平移向量。

给定两个摄像机的运动参数，计算第二个摄像机的运动参数，假设第一个摄像机位于原点。如果 T1 和 T2 是摄像机运动，则计算出的相对运动为 \(T = T_2 T_1^{-1}\)