通过两个坐标系对应点计算转换关系
通过两个坐标系对应点计算转换关系
应用
三维重建方法通常会自己估计相机的 R,T R,T矩阵,这些矩阵定义了一个世界坐标系,在使用客观的评估方法如Middlebury来评估精度时,需要使用评估方法提供的相机的 R,T R,T矩阵,这些矩阵定义了另外一个世界坐标系,两者通常会有尺度、旋转、平移的差别,这就需要在坐标系之间进行转换。
方法主要来源
- Nghia Ho博客
- 维基百科:Transformation_matrix
- 代码所在文件夹名称:rigid_transform_3D
问题描述
尺度相同
两个相同尺度的世界坐标系可以通过 R,T R,T进行转换,计算转换关系需要知道双方 N N个对应点的坐标,设为A,BA,B,则求解 B=R∗A+T B = R*A + T即可。由于 N N可能比较大,因此此方程通常为超定方程,可使用奇异值分解(Singular Value Decomposition (SVD))进行计算,其内部原理是最小二乘法。
H=∑Ni=1(PiA−centroidA)(PiB−centroidB)TH=\sum_{i=1}^{N}(P_{A}^{i}-centroid_{A})(P_{B}^{i}-centroid_{B})^{T}
[U,S,V]=SVD(H) [U,S,V]=SVD(H)
R=VUT R=VU^{T}
T=−R∗centroidA+centroidB T=-R*centroid_{A}+centroid_{B}
其中 centroidA centroid_{A}和 centroidB centroid_{B}是 A,B A,B的平均中心。
尺度不同
当两个坐标系尺度不同时, R R的计算同上,设两者的尺度倍数为λ\lambda,则
λ=average∥(A−centroidA)∥∥(B−centroidB)∥ \lambda =average\frac{\|(A-centroid_{A})\|}{\|(B-centroid_{B})\|}
等量关系变为
(B−centroidB)=1λR(A−centroidA) (B-centroid_{B})=\frac{1}{\lambda }R(A-centroid_{A})
对以上等式进行化简得:
B=1λRA−1λR∗centroidA+centroidB B=\frac{1}{\lambda }RA-\frac{1}{\lambda }R*centroid_{A}+centroid_{B}
因此最终要求的旋转矩阵和转移矩阵分别为 (1λRA) (\frac{1}{\lambda }RA)和 (−1λR∗centroidA+centroidB) (-\frac{1}{\lambda }R*centroid_{A}+centroid_{B})
如何得到对应点坐标
以上方法的最重要的问题是如何得到对应点集 A,B A,B。一个具有 R,T R,T的相机,其相机中心在世界坐标系中的位置为 pos=−RTT′ pos=-R^{T}T',分别计算出相机在两个世界坐标系下的位置,就可以得到一组对应点。
matlab核心代码
尺度相同的代码
Nghia Ho博客里的方法未考虑尺度,其核心代码为:
%计算平均中心点centroid_A = mean(A);centroid_B = mean(B);N = size(A,1);H = (A - repmat(centroid_A, N, 1))' * (B - repmat(centroid_B, N, 1));[U,S,V] = svd(H);R = V*U';if det(R) < 0printf('Reflection detected\n');V(:,3) = -1*V(:,3);R = V*U';endt = -R*centroid_A' + centroid_B';detr=det(R)
作者的解释是:
There’s a special case when finding the rotation matrix that you have to take care of. Sometimes the SVD will return a ‘reflection’ matrix, which is numerically correct but is actually nonsense in real life. This is addressed by checking the determinant of R (from SVD above) and seeing if it’s negative (-1). If it is then the 3rd column of V is multiplied by -1.
if determinant(R) < 0multiply 3rd column of V by -1recompute R
end if
An alternative check that is possibly more robust was suggested by Nick Lambert, where R is the rotation matrix.
if determinant(R) < 0multiply 3rd column of R by -1
end if
尺度不同的代码
centroid_A = mean(A);centroid_B = mean(B);N = size(A,1);H = (A - repmat(centroid_A, N, 1))' * (B - repmat(centroid_B, N, 1));A_move=A - repmat(centroid_A, N, 1);B_move=B - repmat(centroid_B, N, 1);A_norm=sum(A_move.*A_move,2);B_norm=sum(B_move.*B_move,2);%计算尺度平均值lam2=A_norm./B_norm;lam2=mean(lam2);[U,S,V] = svd(H);R = V*U';if det(R) < 0printf('Reflection detected\n');V(:,3) = -1*V(:,3);R = V*U';end%计算最终的旋转矩阵与平移向量t = -R./(lam2^(0.5))*centroid_A' + centroid_B';R = R./(lam2^(0.5));detr=det(R)
结果验证与误差计算
使用 A A和计算出的R,TR,T计算出 B1 B_{1},求其与真实值 B B之间的差别。
P=[RT 01]P=\begin{bmatrix} R & T\ 0 & 1 \end{bmatrix}
[B1 1]=P[A1] \begin{bmatrix} B_{1}\ 1 \end{bmatrix}=P\begin{bmatrix} A\\ 1 \end{bmatrix}
err=1N∥B−B1∥ err=\frac{1}{N}\|B-B_{1}\|
matlab核心代码是:
A2 = (ret_R*A') + repmat(ret_t, 1, n);
A2 = A2';% Find the error
err = A2 - B;
err = err .* err;
err = sum(err(:));
rmse = sqrt(err/n);disp(sprintf('RMSE: %f', rmse));
disp('If RMSE is near zero, the function is correct!');
一些思考
- 在思考尺度的影响时,直接用脑子想不太容易,而列出等量关系式之后进行化简,关系就清晰了;
- 搜索解决方法时,用中文几乎搜不到,最后使用英文关键字corresponding points才搜到方法;
- 将点集减去平均值点,其实就是将两个点集的一个对应点的坐标设置在了一起,即都为[0,0,0],这样只要做相应的旋转就可以是两个坐标系重合,用来计算 R R,之后再使用一对对应点计算TT,此时使用平均值点可以提高精度。
通过两个坐标系对应点计算转换关系相关推荐
- 根据两个坐标系对应点计算转换关系(旋转和平移)
在两组对应的三维点数据之间寻找最佳的旋转和平移,使它们对齐/注册,是我遇到的一个常见问题.下面给出了3个对应点的最简单情况(需要解决的最小点). 对应点的颜色相同,R是旋转,t是平移.我们想要找到将数 ...
- 已知同一组点在不同坐标系下的坐标,如何求解两个坐标系之间的转换关系
问题描述: 已知同一组点在不同坐标系下的坐标(例如有点ABCDEF六个点在坐标系1下的坐标A1,B1,C1,D1,E1,F1同时又已知ABCDEF六个点在坐标系2下的坐标A2,B2,C2,D2,E2, ...
- 三维坐标系之间的转换关系详解与推导
文章目录 前言 三维坐标系之间的转换关系:R(旋转矩阵) .T(平移矩阵) 数学模型描述 布尔莎模型:前提是旋转角为微小旋转角 罗德里格矩阵模型 尺度相同: 存在的一些问题: 主要参考来源: 前言 三 ...
- 三维视觉基础之世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系
三维视觉基础之世界坐标系.相机坐标系.图像坐标系和像素坐标系之间的转换关系 一.各坐标系介绍 二.世界坐标系和相机坐标系之间的转换 三.相机坐标系和图像坐标系之间的转换 四.图像坐标系和像素坐标系之间 ...
- 相机成像---世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系
新学期第一天开始写的这篇文章,看看我啥时候能把他发出去.假期当然是啥也没干了,之前还信誓旦旦说回家一定能学习,学个毛线.开始学习啦,去年年末把环境配置好了之后,实验发现他不准,用的D435i摄像头是红 ...
- 坐标系之间的转换关系(ECEF、LLA、ENU)
一 坐标系简介 1 ECEF坐标系 也叫地心地固直角坐标系.其原点为地球的质心,x轴延伸通过本初子午线(0度经度)和赤道(0deglatitude)的交点. z轴延伸通过的北极(即,与地球旋转轴重合) ...
- 双目视觉(一)-相机标定及各坐标系间转换关系
本篇文章用来记录近期学习双目视觉定位的收获,后续我将随着不断深入学习对文章进行补充 视觉是人类感知外界环境信息的重要途径,其中人类约有80%的环境信息是通过双眼获取的.双目视觉系统是典型的类人视觉模型 ...
- 无人机坐标系定义与转换
[x]作者简介:热爱科研的无人机(机器人)导航.制导.控制开发者. 如有错误,请指正,不吝感谢! 1.前言 我们在研究无人机.机器人.无人车等相关领域的导航.制导与控制算法时,需要了解各个坐标系的定义 ...
- neu坐标系和xyz坐标系转换_航测必知的坐标系详解和转换关系
在航测中可能经常会遇到不知道如何选择正确的坐标系和坐标系之间的转换,现在我们针对于航测坐标系做详细的讲解. 首先简单介绍一下航测中地理坐标系.投影坐标系以及地图投影的概念:地理坐标系:为球面坐标. 参 ...
最新文章
- 这或许是东半球分析十大排序算法最好的一篇文章
- 【开发环境】安装 Visual Studio Ultimate 2013 开发环境 ( 下载软件 | 安装软件 | 运行软件 )
- 用户系列之四:用户登录过程之配置文件的使用详解
- 【推荐】LSI(latent semantic indexing) 完美教程
- 动态规划--背包问题
- Mockito“ thenReturn” vs Mockito“ thenAnswer”
- 武术与软件设计 - 简单即是最好
- MATLAB语言初步学习(五)
- Pytorch-OpCounter: Pytorch平台计算模型#Parameters和FLOPS的工具包
- JavaScript 复习之 XMLHttpRequest 对象
- 非确定性算法_《长安十二时辰》背后的文娱大脑:如何提升爆款的确定性?
- 今日,寒露。读王羲之与陶渊明的魏晋风流。 文/光剑
- java嵌入式软件开发工程师_嵌入式软件工程师笔试题
- PCB绘图不小心把绘图界面缩小到看不见了,如何操作?
- mbot机器人编程课件_mbot机器人教程创客大赛
- 荒野大镖客ol 服务器位置,荒野大镖客2ol盗贼在什么位置?盗贼具体位置分享
- word中公式和文字不在一条水平线上
- Canto加速市场的发展,连接全球的金融衍生品市场
- linux 根目录 777,Linux误操作777之后的恢复方法
- 2018年南京大学计算机专业录取分数线,南京大学2018年录取分数线
热门文章
- 动态代理模式的相关细节描述
- 会计科目的共同类指的是什么
- 基于Vue.js和Node.js的个人网盘系统——科技立项中期成果
- linux 端如何修改移动硬盘的名称
- java.lang.IllegalArgumentException: Can not set java.lang.String field xxx to java.lang.Class
- java+spring+ssm水果果蔬生鲜商城销售系统vue
- Fri Sep 11 22:24:03 CST 2020 WARN: Establishing SSL connection without server‘s identity verificatio
- React生命周期大全:
- 100兆每秒传输不是12.5MB,别误人子弟了
- crypto-dirty laundry(zer0pts CTF 2020)