pose-estimation

1熱度

1回答

我有一個相當簡單的任務：獲得平面三角形的歐拉角。圖案看起來像this 所以，算法： 1）從網絡攝像頭獲取的圖像 - 做 2）轉換爲gryascale，過濾器等 - 進行 3）獲得所有連接組件的質量中心，並過濾它們 - 完成。看起來像this。紅色圓圈描述三角形頂點的質心。代碼非常簡單，但在這裏它是： QMap<int, QVector<double> > massCenters(const cv

0熱度

1回答

使用n點進行姿態估計的穩定性

我使用棋盤來估計它與相機之間的平移向量。首先，計算內在相機參數，然後使用從棋盤檢測到的n個點來估計平移向量。我發現了一個很奇怪的現象：在棋盤上使用更多點時平移向量準確穩定，而且距離更近時這種現象更加明顯。例如，棋盤上的正方形爲1cm * 1cm，當距離爲3m時，平移矢量在使用25點時精確估計，而使用最小4點時精度不準確且不穩定。然而，當距離爲0.6m時，使用4點和25點的平移向量的估計結果是相似

6熱度

1回答

足球場的同位素分佈

好吧，我正在尋找足球比賽的單應性。我到現在爲止是從模板足球場的基本上很多裁剪圖像的文件夾中讀取圖像。基本上這有中心圈和罰球線的圖像等。從文件中讀取視頻流並將其剪裁成許多較小的片段。在視頻流中的圖像內部循環，而在另一個循環中，我從文件夾中讀取圖像。現在在我通過迭代獲得的兩張圖片中，我應用了一個綠色濾鏡，因爲我假設字段爲綠色使用orb查找點然後查找匹配。現在問題是，由於球員和croud一些

0熱度

1回答

如何計算旋轉矩陣，並使用四點

從3D對象的2D圖像平面上的透視變換是照相機的平移矢量： s[u v 1]^t = A[R T][X Y Z 1]^t 其中A是已知相機PARAMS。在Matlab中，我們可以使用「外在」函數來計算R和T，給出四個相應的圖像點和世界點：[u v]和[X Y]。但是，有13個變量（包括s），我們在這裏只有12個公式。（順便說一句，我設置了Z = 0，這是對的還是Z可以是任何值？）。我如何計

2熱度

2回答

圖像點（像素）到現實世界座標（米）

我在天花板上有一個魚眼攝像頭，我想在地板上找到一些點。我將參考系統（真實世界）的原點放在相機下方，我想知道每個物體的位置，以釐米爲單位。此圖爲本： Reference system - Real world 首先，我也做了相機校準和我已經獲得的下一個結果與1.11的RMS： Undistorted image after calibration 作爲校準的結果我獲得了內部參數（相機矩陣），所以我使

0熱度

1回答

從單一深度圖像實時識別人體姿勢

我一直在閱讀這篇論文，但有一點我不清楚。對於他們的算法，他們正在使用身體部位，但我無法找到他們如何獲得身體部位。有沒有任何直接的方法來獲取身體部位？ paper link

0熱度

1回答

Python：solvePnP（）沒有足夠的值來解壓縮？

我遇到了來自OpenCV的函數cv2.solvePnP的問題。此功能用於獲取棋盤的姿態估計。下面的代碼後，我得到一個錯誤： for fname in glob.glob('Images/Calibragem/img1*.jpg'): img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

0熱度

1回答

使用外部姿態估計來改善固定標記輪廓跟蹤

假設我有一個傳感器陣列，它允許我提出相對於某個固定矩形標記的姿態估計。因此，我估計了相機圖像中標記輪廓的外觀。我如何使用它來更好地檢測輪廓？我試圖克服的問題是，有時候，標記被遮擋，也許是通過切割它的線。因此，我留下兩個輪廓，如果合併，會產生標記。我嘗試過打開和關閉來嘗試解決問題，但它對於不同類型的照明並不穩健。我正在考慮的一種方法是使用預測的輪廓，並使用圖像的漸變執行局部卷積以找到我的真實姿勢

2熱度

1回答

ArUco Axis交換時繪圖3dAxis

我目前正在嘗試開發一個項目的ArUco立方體檢測器。我們的目標是在不使用大型ArUco電路板的情況下獲得更加穩定和準確的姿態估計。然而，爲了這個工作，我需要知道每個標記的方向。使用draw3dAxis方法，我發現X和Y軸不會始終出現在相同的位置。這裏是一個視頻演示問題：https://youtu.be/gS7BWKm2nmg 這似乎是與Rvec檢測問題。 Rvec的前兩個值有一個明顯的轉變，在

1熱度

1回答

從相機到物體的距離..糾錯

我在估計從相機到棋盤的距離。但是，只要我遠離模式，錯誤就會線性增加。這是正常的嗎？我怎樣才能糾正這個錯誤？我用一個簡單的線性方程糾正了錯誤，它的工作原理，但它不依賴於相機參數，因爲我相信它應該是，這樣的修正將是強大的：錯誤= 72.51 + distNorme * 0.0278; 我計算從棋盤使用的OpenCV和我的相機參數以下這些步驟的距離： 1- findChessboardCorner