关于opencv::triangulatePoints()函数的注意事项

void cv::triangulatePoints(

InputArray projMatr1, // 左相机投影矩阵 3×4

InputArray projMatr2, // 右相机投影矩阵 3×4

InputArray projPoints1, // 左相机图像点 (2×N)

InputArray projPoints2, // 右相机图像点 (2×N)

OutputArray points4D // 输出的齐次坐标 (4×N)

);

该函数的输入要求:

  1. 投影矩阵 projMatr1 和 projMatr2 必须是 3×4 的 K * [R | T] 矩阵。

  2. 输入点 projPoints1 和 projPoints2 必须是 2×N 形状的 归一化相机坐标 (Normalized Image Coordinates)。

  3. 输出点 points4D 是 齐次坐标 ,即 X, Y, Z, W,需要手动转换为非齐次坐标: X′=X/W,Y′=Y/W,Z′=Z/WX' = X / W, \quad Y' = Y / W, \quad Z' = Z / WX′=X/W,Y′=Y/W,Z′=Z/W

    常见错误

    错误原因:未正确处理 undistortPoints() 的结果

    当我们使用 cv::undistortPoints() 进行畸变矫正后,它返回的点坐标是 归一化相机坐标 (单位焦距 f=1 的坐标系),而不是像素坐标。因此:

  4. 如果 triangulatePoints() 的投影矩阵 包含了相机内参 K ,则输入的点必须是 像素坐标 (未除去 K)。

  5. 如果输入的是 归一化坐标 (已除 K),那么投影矩阵就不应该包含 K。
    正确方法 1:使用归一化坐标

    // 1. 去畸变,得到归一化坐标
    cv::undistortPoints(projPoints_left, projPoints_left, K_left, dist_left);
    cv::undistortPoints(projPoints_right, projPoints_right, K_right, dist_right);

    // 2. 只使用 R \| T 作为投影矩阵
    cv::Mat P1 = RT_left;
    cv::Mat P2 = RT_right;

    // 3. 三角化
    cv::triangulatePoints(P1, P2, projPoints_left, projPoints_right, Final_points3D);

    正确方法 2:保持像素坐标

    如果希望直接在像素坐标下进行三角化,可以在 cv::undistortPoints() 中传入 新的投影矩阵 P=K,让输出点保持在像素坐标系:

    复制代码
    // 1. 去畸变,但保持像素坐标
    cv::undistortPoints(projPoints_left, projPoints_left, K_left, dist_left, cv::noArray(), K_left);
    cv::undistortPoints(projPoints_right, projPoints_right, K_right, dist_right, cv::noArray(), K_right);
    
    // 2. 计算投影矩阵 (带K)
    cv::Mat P1 = K_left * RT_left;
    cv::Mat P2 = K_right * RT_right;
    
    // 3. 三角化
    cv::triangulatePoints(P1, P2, projPoints_left, projPoints_right, Final_points3D);
相关推荐
Csvn9 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库10 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静10 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康11 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea11 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen11 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷12 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘12 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习