兩個3D點雲變換矩陣

我在猜測這是兩個3D點雲之間的剛性變換矩陣。這兩點雲是那些：兩個3D點雲變換矩陣

來自kinect（kinect_keypoints）的關鍵點。
來自3D對象（盒子）（object_keypoints）的關鍵點。

我曾嘗試兩種選擇：

[1]。執行該算法以找到剛性變換。

**1.Calculate the centroid of each point cloud.** 

**2.Center the points according to the centroid.** 

**3. Calculate the covariance matrix** 
cvSVD(&_H, _W, _U, _V, CV_SVD_U_T); 
cvMatMul(_V,_U, &_R); 
**4. Calculate the rotartion matrix using the SVD descomposition of the covariance matrix** 

float _Tsrc[16] = { 1.f,0.f,0.f,0.f, 
    0.f,1.f,0.f,0.f, 
    0.f,0.f,1.f,0.f, 
    -_gc_src.x,-_gc_src.y,-_gc_src.z,1.f }; // 1: src points to the origin 
float _S[16] = { _scale,0.f,0.f,0.f, 
    0.f,_scale,0.f,0.f, 
    0.f,0.f,_scale,0.f, 
    0.f,0.f,0.f,1.f }; // 2: scale the src points 
float _R_src_to_dst[16] = { _Rdata[0],_Rdata[3],_Rdata[6],0.f, 
    _Rdata[1],_Rdata[4],_Rdata[7],0.f, 
    _Rdata[2],_Rdata[5],_Rdata[8],0.f, 
    0.f,0.f,0.f,1.f }; // 3: rotate the scr points 
float _Tdst[16] = { 1.f,0.f,0.f,0.f, 
    0.f,1.f,0.f,0.f, 
    0.f,0.f,1.f,0.f, 
    _gc_dst.x,_gc_dst.y,_gc_dst.z,1.f }; // 4: from scr to dst 

// _Tdst * _R_src_to_dst * _S * _Tsrc 
mul_transform_mat(_S, _Tsrc, Rt); 
mul_transform_mat(_R_src_to_dst, Rt, Rt); 
mul_transform_mat(_Tdst, Rt, Rt);

[2]。使用opencv中的estimateAffine3D。

 float _poseTrans[12]; 
     std::vector<cv::Point3f> first, second;    
     cv::Mat aff(3,4,CV_64F, _poseTrans); 
     std::vector<cv::Point3f> first, second; (first-->kineckt_keypoints and second-->object_keypoints) 
     cv::estimateAffine3D(first, second, aff, inliers); 

     float _poseTrans2[16]; 

     for (int i=0; i<12; ++i) 
     { 
      _poseTrans2[i] = _poseTrans[i]; 
     } 

     _poseTrans2[12] = 0.f; 
     _poseTrans2[13] = 0.f; 
     _poseTrans2[14] = 0.f; 
     _poseTrans2[15] = 1.f;

中的第一個問題是，它是不正確的，並在第二個中，如果與所得的矩陣相乘Kinect的點雲的轉變，一些值是無限的。

是否有任何解決方案從這些選項中的任何一個？或者，除了PCL之外，還有其他選擇嗎？

預先感謝您。

來源

2013-05-03 punta

你在兩個雲層之間會發生什麼類型的變換，他們有什麼不同？ – denver 2013-05-03 13:30:44

kineckt_keypoints列表中的第一個點是否與object_keypoints中的第一個點相對應，第二個點是否與第二個相對應？如果不是，那麼大多數仿射變換估計算法將無法工作（我對openCV中的算法一無所知）。 – denver 2013-05-03 13:33:47

是的，我需要的是第一個濁點（第一個對應於kineckt點）和第二個濁點（第二個對應於第二個清單）之間的仿射（剛性）變換。我已經爲第二個列表（手動）選擇了關鍵點，並在圖像中進行了投影，我猜測它是來自kinect的關鍵點列表。所以第一個列表點對應於第二個列表點。 – punta 2013-05-03 15:07:32

編輯：這是一個古老的職位，但答案可能是有用的人......

你的第一個方法能夠工作在非常特殊的情況下（橢圓點雲或很長條形），但不適合由kinect獲取點雲。關於第二種方法，我對OpenCV函數estimateAffine3D不熟悉，但我懷疑它假定兩個輸入點雲對應相同的物理點，如果使用了kinect點雲（包含噪聲測量）並且不是這種情況，並且從理想的3D模型（這是完美的）點。

您提到您瞭解點雲庫（PCL）並且不想使用它。如果可能的話，我想你可能想重新考慮這一點，因爲PCL比你想要做的更適合OpenCV（查看教程列表，其中一個包含，正好是你想要做的事情：將對象模板對齊到點雲）。

然而，這裏是你的問題的一些替代方案：

如果你的兩個點雲正好對應於同一個物理點，你的第二個方法應該可行，但你還可以檢查出絕對定向（例如，Matlab implementation）
如果你的兩個點雲不對應於同一個物理點，你居然要註冊（或對齊）他們，你可以使用：
- 迭代最接近點（ICP）算法的衆多變體之一，如果您大概知道對象的位置。Wikipedia Entry
- 3D特徵點，如3D SIFT，3D SURF或NARF特徵點，如果您不知道對象的位置。

同樣，所有這些辦法PCL中已經實施。

來源

2014-02-14 09:28:51 AldurDisciple

兩個3D點雲變換矩陣

回答

相關問題