使用opencv的aruco库进行位姿估计(得到的是旋转矩阵与平移矩阵)

2023-12-18 05:32

本文主要是介绍使用opencv的aruco库进行位姿估计(得到的是旋转矩阵与平移矩阵),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这里面很重要的一点就是说了:使用estimatePoseSingleMarkers估计Marker的位姿,得到的即是即是R和t,R和t应该就是旋转矩阵与平移矩阵。

https://blog.csdn.net/sinat_16643223/article/details/112912961

https://blog.csdn.net/sinat_16643223/article/details/114262109

转载自:https://blog.csdn.net/weixin_43053387/article/details/86301547

使用opencv的aruco库进行位姿估计

share space 2019-01-11 15:02:27 5143 收藏 18

分类专栏: opencv 文章标签: opencv aruco 位姿估计 3D定位 无人机着落

最后发布:2019-01-11 15:02:27首次发布:2019-01-11 15:02:27

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

本文链接:https://blog.csdn.net/weixin_43053387/article/details/86301547

版权

1、姿态估计在许多计算机视觉应用中非常重要:机器人导航,增强现实等等。该过程基于查找真实环境中的点与其2D图像投影之间的对应关系。这通常是一个困难的步骤,因此通常使用合成或基准标记使其更容易。

最流行的方法之一是使用二元方形基准标记。这些标记的主要好处是单个标记提供足够的对应(其四个角)以获得相机姿势。此外,内部二进制编码使它们特别健壮,允许应用错误检测和校正技术的可能性。
aruco功能包括在:

#include < opencv2 / aruco.hpp >

aruco模块基于ArUco库,这是一个用于检测由RafaelMuñoz和Sergio Garrido开发的方形基准标记的流行库:
因为aruco是在opencv_contrib中,所以读者在安装时,要注意是否安装了opencv_contrib,笔者安装过程在前面的博客已经写出:

https://blog.csdn.net/weixin_43053387/article/details/85806344

环境搭建都没有问题,下面我们根据官方文档,进行相关调用就行了,先给出网址:

https://docs.opencv.org/master/d5/dae/tutorial_aruco_detection.html

界面是这样的:
在这里插入图片描述
笔者就是根据这个一步一步调用,得到我们的旋转矩阵与平移矩阵,下面给出小编在qt下编译的代码:
程序大体步骤:
1、使用getPredefinedDictionary创建一个字典
2、读取每一帧,使用detectMarkers检测当前帧中的Markers
3、使用estimatePoseSingleMarkers估计Marker的位姿,得到的即是即是R和t

#include <QCoreApplication>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <cv.h>
#include <iostream>
#include <highgui.h>
#include <opencv2/aruco.hpp>
#include <stdio.h>using namespace cv;
using namespace std;int main(int argc, char *argv[]){
//内参与畸变矩阵,笔者在前面的博客已经给出求解方法,有需要的可以找找看看double fx,fy,cx,cy,k1,k2,k3,p1,p2;fx=955.8925;fy=955.4439;cx=296.9006;cy=215.9074;k1=-0.1523;k2=0.7722;k3=0;p1=0;p2=0;Mat cameraMatrix = (cv::Mat_<float>(3, 3) <<fx, 0.0, cx,0.0, fy, cy,0.0, 0.0, 1.0);Mat distCoeffs = (cv::Mat_<float>(5, 1) << k1, k2, p1, p2, k3);cv::VideoCapture inputVideo;inputVideo.open(0);cv::Ptr<cv::aruco::Dictionary> dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);while (inputVideo.grab()) {cv::Mat image, imageCopy;inputVideo.retrieve(image);//抓取视频中的一张照片image.copyTo(imageCopy);std::vector<int> ids;std::vector<std::vector<cv::Point2f>> corners;cv::aruco::detectMarkers(image, dictionary, corners, ids);//检测靶标// if at least one marker detectedif (ids.size() > 0) {cv::aruco::drawDetectedMarkers(imageCopy, corners, ids);//绘制检测到的靶标的框std::vector<cv::Vec3d> rvecs, tvecs;cv::aruco::estimatePoseSingleMarkers(corners, 0.055, cameraMatrix, distCoeffs, rvecs, tvecs);//求解旋转矩阵rvecs和平移矩阵tvecs//cout<<"R :"<<rvecs[0]<<endl;cout<<"T :"<<tvecs[0]<<endl;// draw axis for each markerfor(int i=0; i<ids.size(); i++)cv::aruco::drawAxis(imageCopy, cameraMatrix, distCoeffs, rvecs[i], tvecs[i], 0.1);}cv::imshow("out", imageCopy);cv::waitKey(50);//if (key == 27)1// break;}
return 0;
}

运行对着你指定的靶标就可以出结果啦。

这篇关于使用opencv的aruco库进行位姿估计(得到的是旋转矩阵与平移矩阵)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/507199

相关文章

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤