from scipy import linalg
import numpy as np
import matplotlib.pyplot as plt
class Camera(object):
def __init__(self,P):
self.P=P
self.K=None#标定矩阵
self.R=None#照相机旋转
self.t=None#照相机平移
self.c=None#照相机中心
def project(self,X):
x=np.dot(self.P,X)
for i in range(3):
x[i]/=x[2]
return x
def rotationMatrix(self,a):
R=np.eye(4)
R[:3,:3]=linalg.expm([[0,-a[2],a[1]],[a[2],0,-a[0]],[-a[1],a[0],0]])
return R
def factor(self):
K,R=linalg.rq(self.P[:,:3])#分解前半部分
T=np.diag(np.sign(np.diag(K)))#将K的对角线元素设为正值
if(linalg.det(T)<0):
T[1,1]*=-1
self.K=np.dot(K,T)
self.R=np.dot(T,R)
self.t=np.dot(linalg.inv(self.K),self.P[:,3])
return self.K,self.R,self.t
if __name__=="__main__":
points=np.loadtxt('C:/Users/xpp/Desktop/3D/bt.p3d')#载入点
points=points.swapaxes(0,1)#交换维度以读取
points=np.vstack((points,np.ones(points.shape[1])))#齐次坐标# 齐次坐标
P=np.hstack((np.eye(3),np.array([[0],[0],[-10]])))#设置照相机参数
cam=Camera(P)
x=cam.project(points)
#绘制投影
plt.figure()
plt.plot(x[0],x[1],'k.',color='pink')
plt.show()
#创建变换
r=0.05*np.random.random(3)
rot=cam.rotationMatrix(r)
#旋转矩阵和投影
plt.figure()
for t in range(20):
cam.P=np.dot(cam.P,rot)
x=cam.project(points)
plt.plot(x[0],x[1],'k.',color='pink')
plt.show()
#测试函数
K=np.array([[1000,1000,300],[0,1000,300],[0,0,1]])
tmp=cam.rotationMatrix([0,0,1])[:3,:3]
Rt=np.hstack((tmp,np.array([[50],[40],[30]])))
cam=Camera(np.dot(K,Rt))
print(K,Rt)
print(cam.factor())
[[1000 1000 300] [ 0 1000 300] [ 0 0 1]] [[ 0.54030231 -0.84147098 0. 50. ] [ 0.84147098 0.54030231 0. 40. ] [ 0. 0. 1. 30. ]] (array([[ 1.e+03, -1.e+03, 3.e+02], [ 0.e+00, -1.e+03, 3.e+02], [ 0.e+00, 0.e+00, 1.e+00]]), array([[ 0.54030231, -0.84147098, 0. ], [-0.84147098, -0.54030231, 0. ], [ 0. , 0. , 1. ]]), array([ 50., -40., 30.]))
算法:相机矩阵是建立三维到二维投影关系。
本文分享自 图像处理与模式识别研究所 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!