पायथन ओपनसीवी सोलवेपीएनपी गलत अनुवाद वेक्टर

Question

उत्पन्न करता है मैं होमोग्राफी का उपयोग करके ब्लेंडर 3 डी में एक वर्चुअल कैमरा के स्थान और घूर्णन को कैलिब्रेट और ढूंढने का प्रयास कर रहा हूं। मैं ब्लेंडर का उपयोग कर रहा हूं ताकि मैं असली दुनिया में जाने से पहले अपने परिणामों की जांच कर सकूं जहां यह अधिक कठिन है। मैंने अपने स्थिर कैमरे के दृश्य में विभिन्न स्थानों और घूर्णन में शतरंज बोर्ड की दस तस्वीरें प्रस्तुत कीं। ओपनसीवी के अजगर के साथ, मैंने दस छवियों में शतरंज बोर्ड के ज्ञात कोनों से आंतरिक मैट्रिक्स को खोजने के लिए cv2.calibrate कैमरा का उपयोग किया और फिर बाहरी पैरामीटर (अनुवाद और रोटेशन) को खोजने के लिए cv2.solvePnP में इसका उपयोग किया। हालांकि, अनुमानित पैरामीटर वास्तविक लोगों के करीब थे, फिर भी कुछ ख़राब चल रहा है। अनुवाद का मेरा प्रारंभिक अनुमान था (-0.11205481, -0.0490256,8.138924 9 1)। वास्तविक स्थान (0,0,8.07105) था। बहुत करीब सही है? लेकिन जब मैंने कैमरे को थोड़ा घुमाया और घुमाया और छवियों को फिर से प्रस्तुत किया, तो अनुमानित अनुवाद दूर हो गया। अनुमानित: (-0.15933154,0.13367286,9.34058867)। वास्तविक: (-1.7 9 18, -1.51073,9.76597)। जेड मान करीब है, लेकिन एक्स और वाई नहीं हैं। मैं पूरी तरह उलझन में हूँ। अगर कोई मुझे इस तरह से हल करने में मदद कर सकता है, तो मैं बहुत आभारी रहूंगा। यहाँ कोड है (यह को Python2 जांच उदाहरण opencv के साथ आपूर्ति के आधार पर की गई हैं):

#imports left out 
USAGE = ''' 
USAGE: calib.py [--save <filename>] [--debug <output path>] [--square_size] [<image mask>] 
''' 

args, img_mask = getopt.getopt(sys.argv[1:], '', ['save=', 'debug=', 'square_size=']) 
args = dict(args) 
try: img_mask = img_mask[0] 
except: img_mask = '../cpp/0*.png' 
img_names = glob(img_mask) 
debug_dir = args.get('--debug') 
square_size = float(args.get('--square_size', 1.0)) 

pattern_size = (5, 8) 
pattern_points = np.zeros((np.prod(pattern_size), 3), np.float32) 
pattern_points[:,:2] = np.indices(pattern_size).T.reshape(-1, 2) 
pattern_points *= square_size 

obj_points = [] 
img_points = [] 
h, w = 0, 0 
count = 0 
for fn in img_names: 
    print 'processing %s...' % fn, 
    img = cv2.imread(fn, 0) 
    h, w = img.shape[:2] 
    found, corners = cv2.findChessboardCorners(img, pattern_size)   

    if found: 
     if count == 0: 
      #corners first is a list of the image points for just the first image. 
      #This is the image I know the object points for and use in solvePnP 
      corners_first = [] 
      for val in corners: 
       corners_first.append(val[0])     
      np_corners_first = np.asarray(corners_first,np.float64)     
     count+=1 
     term = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 30, 0.1) 
     cv2.cornerSubPix(img, corners, (5, 5), (-1, -1), term) 
    if debug_dir: 
     vis = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) 
     cv2.drawChessboardCorners(vis, pattern_size, corners, found) 
     path, name, ext = splitfn(fn) 
     cv2.imwrite('%s/%s_chess.bmp' % (debug_dir, name), vis) 
    if not found: 
     print 'chessboard not found' 
     continue 
    img_points.append(corners.reshape(-1, 2)) 
    obj_points.append(pattern_points)   

    print 'ok' 

rms, camera_matrix, dist_coefs, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, (w, h)) 
print "RMS:", rms 
print "camera matrix:\n", camera_matrix 
print "distortion coefficients: ", dist_coefs.ravel()  
cv2.destroyAllWindows()  

np_xyz = np.array(xyz,np.float64).T #xyz list is from file. Not shown here for brevity 
camera_matrix2 = np.asarray(camera_matrix,np.float64) 
np_dist_coefs = np.asarray(dist_coefs[:,:],np.float64)  

found,rvecs_new,tvecs_new = cv2.solvePnP(np_xyz, np_corners_first,camera_matrix2,np_dist_coefs) 

np_rodrigues = np.asarray(rvecs_new[:,:],np.float64) 
print np_rodrigues.shape 
rot_matrix = cv2.Rodrigues(np_rodrigues)[0] 

def rot_matrix_to_euler(R): 
    y_rot = asin(R[2][0]) 
    x_rot = acos(R[2][2]/cos(y_rot))  
    z_rot = acos(R[0][0]/cos(y_rot)) 
    y_rot_angle = y_rot *(180/pi) 
    x_rot_angle = x_rot *(180/pi) 
    z_rot_angle = z_rot *(180/pi)   
    return x_rot_angle,y_rot_angle,z_rot_angle 

print "Euler_rotation = ",rot_matrix_to_euler(rot_matrix) 
print "Translation_Matrix = ", tvecs_new 

बहुत बहुत

Answer 1

मुझे लगता है कि आप कैमरे की स्थिति के रूप में tvecs_new की सोच सकते धन्यवाद। थोड़ा उलझन में यह मामला नहीं है! वास्तव में यह कैमरा सह-समन्वय में दुनिया की उत्पत्ति की स्थिति है। कैमरा वस्तु/दुनिया सह ords मुद्रा प्राप्त करने के लिए, मैं तुम्हें करने की ज़रूरत का मानना ​​है:

-np.matrix(rotation_matrix).T * np.matrix(tvecs_new) 

और तुम यूलर cv2.decomposeProjectionMatrix(P)[-1] का उपयोग कर कोण जहां P[r|t] 3 से 4 बाह्य मैट्रिक्स है प्राप्त कर सकते हैं।

मैं this पाया intrinsics और extrinsics के बारे में एक बहुत अच्छा लेख बनने के लिए ...