通常，投影矩阵P的定义是将点从世界坐标投影到图像 / 像素坐标的 3x4 矩阵。投影矩阵可以分为：
K：具有固有参数的 3x4 相机矩阵 K
T：具有外在参数的 4x4 变换矩阵
则投影矩阵为P=K*T。
OpenCV 的立体校正的以下输入的明确定义是什么：
cameraMatrix1-第一个相机矩阵（我假设它是投影矩阵的固有 K 部分，对吗？）。
R-第一个和第二个摄像机的坐标系之间的旋转矩阵。（“between”是什么意思？是从 cam1 到 cam2 还是从 cam2 到 cam1 的旋转？）
T-摄像机坐标系之间的平移矢量。（同上。是 cam1-cam2 还是 cam2-cam1 的平移）
R1-输出第一个相机的 3x3 整流变换（旋转矩阵）。（这是整流后的旋转，因此投影矩阵的新外部部分变为 T1new = R1 * T1old？）
P1-在第一台相机的新（校正）坐标系中输出 3x4 投影矩阵。（“新坐标系中的投影矩阵”是什么意思？似乎该投影矩阵取决于旋转矩阵 R1，以将点从世界坐标投影到图像 / 像素坐标，因此从上述定义来看，它既不是“投影矩阵”也不是“相机矩阵”，而是两者的某种混合）
CAMERAMATRIX1-是由 opencv 中的 stereocalibrate（）函数计算的固有 K 矩阵。
R是 cam2 框架 w.r.t cam1 框架的旋转矩阵。类似地，T是 cam2 原点 w.r.t cam1 原点的平移向量。
如果您在 O 'Riley 的书“LEARNING OPENCV”pg.-434 中查看，则所有平面 Rplaneb 都是平行的。因此，您将了解R1（/Rl）和R2
Rl= [Rrect[
P1和P2是立体校正后的新投影矩阵。请记住，相机矩阵（K）将 3d 空间中的点转换为 2d 图像平面。但是 P1 和 P2 在校正的 2d 图像平面上转换了 3d 空间中的点。
本站系公益性非盈利分享网址，本文来自用户投稿，不代表边看边学立场，如若转载，请注明出处
评论列表（41条）