OpenCV相机标定与3D重建(15)计算给定图像点对应的极线(epipolar lines)函数computeCorrespondEpilines()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

计算给定图像点对应的极线(epipolar lines)。

对于立体图像对中一个图像的点,计算这些点在另一个图像中对应的极线。

cv::computeCorrespondEpilines 是 OpenCV 库中的一个函数,用于计算给定图像点对应的极线(epipolar lines)。这个函数在立体视觉和多视图几何中非常重要,因为它帮助确定一个点在一个图像中的对应点在另一个图像中的可能位置。这有助于减少匹配问题的搜索空间。

函数原型

cpp 复制代码
void cv::computeCorrespondEpilines
(
	InputArray 	points,
	int 	whichImage,
	InputArray 	F,
	OutputArray 	lines 
)		

参数

  • 参数points:输入点。类型为 CV_32FC2 的 N×1 或 1×N 矩阵,或 vector 类型的向量。
  • 参数whichImage:包含这些点的图像索引(1 或 2)。
  • 参数F:基础矩阵,可以通过 findFundamentalMat 或 stereoRectify 函数估计得到。
  • 参数lines:输出的极线向量,对应于另一图像中的点。每条极线 ax+by+c=0 由三个数 (a, b, c) 编码。
    对于立体图像对中的一个图像中的每一个点,该函数计算其在另一个图像中对应的极线方程。

根据基础矩阵的定义(参见 findFundamentalMat),对于第一个图像中的点 l i ( 2 ) l^{(2)}_i li(2)(当 whichImage=1 时),第二个图像中的极 p i ( 1 ) p^{(1)}_i pi(1)计算为:

l i ( 2 ) = F p i ( 1 ) l^{(2)}_i = F p^{(1)}_i li(2)=Fpi(1)

反之,当 whichImage=2 时,从第二个图像中的点 l i ( 1 ) l^{(1)}_i li(1)计算第一个图像中的极线 p i ( 2 ) p^{(2)}_i pi(2)为:
l i ( 1 ) = F T p i ( 2 ) l^{(1)}_i = F^T p^{(2)}_i li(1)=FTpi(2)

极线系数定义到一个比例因子。它们被归一化以满足 a i 2 + b i 2 = 1 a_i^2+b_i^2=1 ai2+bi2=1

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 假设有一些特征点从第一张图像中提取出来
    vector< Point2f > points1 = { Point2f( 100, 150 ), Point2f( 200, 250 ) };

    // 假设我们已经计算得到了基础矩阵 F
    Mat F = ( Mat_< double >( 3, 3 ) << 1, 0, 0, 0, 1, 0, 0, 0, 1 );  // 这里只是示例,实际的基础矩阵需要通过其他方法计算得到

    // 计算这些点在第二张图像中的对应极线
    vector< Vec3f > lines2;
    computeCorrespondEpilines( points1, 1, F, lines2 );

    // 打印结果
    for ( size_t i = 0; i < lines2.size(); ++i )
    {
        cout << "Line corresponding to point (" << points1[ i ].x << ", " << points1[ i ].y << ") is: " << lines2[ i ] << endl;
    }

    return 0;
}

运行结果

bash 复制代码
Line corresponding to point (100, 150) is: [0.5547, 0.83205, 0.005547]
Line corresponding to point (200, 250) is: [0.624695, 0.780869, 0.00312348]
相关推荐
点云登山者3 小时前
登山第二十六梯:单目3D检测一切——一只眼看世界
3d·3d检测·检测一切·单目3d检测
xhload3d5 小时前
智慧航天运载体系全生命周期监测 | 图扑数字孪生
物联网·3d·智慧城市·html5·webgl·数字孪生·可视化·工业互联网·三维建模·工控·航空航天·火箭升空·智慧航空·智慧航天·火箭发射·火箭回收
小赖同学啊5 小时前
光伏园区3d系统管理
前端·javascript·3d
彭祥.18 小时前
Jetson边缘计算主板:Ubuntu 环境配置 CUDA 与 cudNN 推理环境 + OpenCV 与 C++ 进行目标分类
c++·opencv·分类
Tony沈哲19 小时前
macOS 上为 Compose Desktop 构建跨架构图像处理 dylib:OpenCV + libraw + libheif 实践指南
opencv·算法
SDUERPANG1 天前
三维目标检测|Iou3D 代码解读一
人工智能·目标检测·3d
视觉人机器视觉1 天前
Visual Studio2022和C++opencv的配置保姆级教程
c++·opencv·visual studio
PyAIExplorer1 天前
图像旋转:从原理到 OpenCV 实践
人工智能·opencv·计算机视觉
PyAIExplorer1 天前
OpenCV 图像操作:颜色识别、替换与水印添加
人工智能·opencv·计算机视觉
whoarethenext2 天前
使用 C++/OpenCV 和 MFCC 构建双重认证智能门禁系统
开发语言·c++·opencv·mfcc