1024程序员节 cv::solvePnP使用方法及注意点详解（OpenCV/C++）

cv::solvePnP(objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec, useExtrinsicGuess, flags);

1、参数说明：

objectPoints：一个 vector，包含了在世界坐标系中的三维点的坐标，至少需要4个点。imagePoints：一个 vector，包含了对应的图像上的二维点的坐标，与 objectPoints 中的点一一对应。cameraMatrix：相机的内参数矩阵，类型为 cv::Mat，一般为 3x3 的浮点数矩阵。distCoeffs：相机的畸变系数，类型为 cv::Mat，一般为 4x1 或 5x1 的浮点数矩阵。rvec：输出的旋转向量，类型为 cv::Mat，是大小为 3x1 的浮点数矩阵。tvec：输出的平移向量，类型为 cv::Mat，是大小为 3x1 的浮点数矩阵。useExtrinsicGuess：一个布尔值，表示是否使用可选的旋转和平移向量的初始猜测。默认为 false。flags：一个用于控制函数行为的选项标志，默认为 0。

        函数返回：

成功返回 true，失败返回 false。

2、使用说明：

objectPoints, imagePoints, cameraMatrix, distCoeffs  四个参数作为输入参数

rvec, tvec 作为输出参数

objectPoints是世界坐标系的三维坐标

imagePoints是图像上的二维点坐标

例如 使用标定好的单目相机拍摄一个矩形物体（已知相机内参＆畸变系数），

objectPoints：使用量尺测量物体的左上角、右上角、左下角、右下角之间的距离，以任意一个点作为0点，建立世界坐标系，z值设为0，得到所有点的坐标则为objectPoints，保存在vector中。

imagePoints：在图像中找到物体的左上角、右上角、左下角、右下角四个点，其所有点的像素坐标为imagePoints，保存在vector中。

使用示例：

#include

#include

#include

int main() {

std::vector objectPoints; // 世界坐标系中的三维点

std::vector imagePoints; // 图像上的二维点

// 添加 objectPoints 和 imagePoints 的数据

// 创建相机内参数矩阵

cv::Mat cameraMatrix = (cv::Mat_(3,3) << fx, 0, cx, 0, fy, cy, 0, 0, 1);

// 创建相机畸变系数矩阵

cv::Mat distCoeffs = (cv::Mat_(1,5) << k1, k2, p1, p2, k3;

//完善内参参数＆畸变系数参数

cv::Mat rvec; // 输出的旋转向量

cv::Mat tvec; // 输出的平移向量

bool success = cv::solvePnP(objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec);

if (success) {

// 获取旋转向量和平移向量的结果

cv::Mat rotationMatrix;

cv::Rodrigues(rvec, rotationMatrix);

std::cout << "Rotation Vector:" << std::endl << rvec << std::endl;

std::cout << "Translation Vector:" << std::endl << tvec << std::endl;

std::cout << "Rotation Matrix:" << std::endl << rotationMatrix << std::endl;

}

return 0;

}

3、注意事项：

在使用solvePnP时，需注意objectPoints和imagePoints容器中的点坐标必须一一对应，例如只有四个点时，全部按左上角、右上角、左下角、右下角的顺序存放在容器中；如果顺序不相同，则最终输出值有误。

在笔者使用solvePnP时，拍摄物是四个定位圆，圆的像素坐标是通过opencv的SimpleBlobDetector识别的，识别以后的圆像素坐标是无序的，无法和objectPoints对应上，因此有了下述算法，

用于为四个二维坐标做冒泡排序得到左上角、右上角、左下角、右下角分别对应的点

（如果没有该需求，可以忽略此段）

int main() {

std::vector imagePoints; // 存放四个点的 vector

// 假设已经将四个点的坐标存入 imagePoints 中

// 寻找左上角、右上角、右下角和左下角对应的点

cv::Point2f topLeft, topRight, bottomRight, bottomLeft;

float minX = FLT_MAX, minY = FLT_MAX;

float maxX = FLT_MIN, maxY = FLT_MIN;

for (const auto& point : imagePoints) {

if (point.x <= minX && point.y <= minY) {

topLeft = point;

minX = point.x;

minY = point.y;

}

if (point.x >= maxX && point.y <= minY) {

topRight = point;

maxX = point.x;

minY = point.y;

}

if (point.x >= maxX && point.y >= maxY) {

bottomRight = point;

maxX = point.x;

maxY = point.y;

}

if (point.x <= minX && point.y >= maxY) {

bottomLeft = point;

minX = point.x;

maxY = point.y;

}

}

// 输出左上角、右上角、右下角和左下角对应的点的坐标

std::cout << "左上角坐标: (" << topLeft.x << ", " << topLeft.y << ")" << std::endl;

std::cout << "右上角坐标: (" << topRight.x << ", " << topRight.y << ")" << std::endl;

std::cout << "右下角坐标: (" << bottomRight.x << ", " << bottomRight.y << ")" << std::endl;

std::cout << "左下角坐标: (" << bottomLeft.x << ", " << bottomLeft.y << ")" << std::endl;

// 新建一个vector存放四个点坐标，按照objectPoints的存放顺序进行存放

std::vector imagePoints2;

imagePoints2.push_back(topLeft);

imagePoints2.push_back(topRight);

imagePoints2.push_back(bottomRight);

imagePoints2.push_back(bottomLeft);

return 0;

}

4、补充

通过solvePnP得到旋转向量rvec和平移向量tvec后，可以计算相机到被测物中心的实际距离

#include

#include

#include

#include

int main() {

std::vector objectPoints; // 世界坐标系中的三维点

std::vector imagePoints; // 图像上的二维点

// 添加 objectPoints 和 imagePoints 的数据

// 创建相机内参数矩阵

cv::Mat cameraMatrix = (cv::Mat_(3,3) << fx, 0, cx, 0, fy, cy, 0, 0, 1);

// 创建相机畸变系数矩阵

cv::Mat distCoeffs = (cv::Mat_(1,5) << k1, k2, p1, p2, k3;

//完善内参参数＆畸变系数参数

cv::Mat rvec; // 输出的旋转向量

cv::Mat tvec; // 输出的平移向量

bool success = cv::solvePnP(objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec);

if (success) {

//计算相机距离被测物的实际距离

float distance = sqrt(tvec.at(0,0) * tvec.at(0,0) + tvec.at(1,0) * tvec.at(1,0) + tvec.at(2,0) * tvec.at(2,0)) / 10;

std::cout << "distance = "<< distance << std::endl;

}

return 0;

}

相关文章

 您阅读本篇文章共花了：