pose-estimation

1热度

1回答

我有一个相当简单的任务：获得平面三角形的欧拉角。图案看起来像this 所以，算法： 1）从网络摄像头获取的图像 - 做 2）转换为gryascale，过滤器等 - 进行 3）获得所有连接组件的质量中心，并过滤它们 - 完成。看起来像this。红色圆圈描述三角形顶点的质心。代码非常简单，但在这里它是： QMap<int, QVector<double> > massCenters(const cv

0热度

1回答

使用n点进行姿态估计的稳定性

我使用棋盘来估计它与相机之间的平移向量。首先，计算内在相机参数，然后使用从棋盘检测到的n个点来估计平移向量。我发现了一个很奇怪的现象：在棋盘上使用更多点时平移向量准确稳定，而且距离更近时这种现象更加明显。例如，棋盘上的正方形为1cm * 1cm，当距离为3m时，平移矢量在使用25点时精确估计，而使用最小4点时精度不准确且不稳定。然而，当距离为0.6m时，使用4点和25点的平移向量的估计结果是相似

6热度

1回答

足球场的同位素分布

好吧，我正在寻找足球比赛的单应性。我到现在为止是从模板足球场的基本上很多裁剪图像的文件夹中读取图像。基本上这有中心圈和罚球线的图像等。从文件中读取视频流并将其剪裁成许多较小的片段。在视频流中的图像内部循环，而在另一个循环中，我从文件夹中读取图像。现在在我通过迭代获得的两张图片中，我应用了一个绿色滤镜，因为我假设字段为绿色使用orb查找点然后查找匹配。现在问题是，由于球员和croud一些

0热度

1回答

如何计算旋转矩阵，并使用四点

从3D对象的2D图像平面上的透视变换是照相机的平移矢量： s[u v 1]^t = A[R T][X Y Z 1]^t 其中A是已知相机PARAMS。在Matlab中，我们可以使用“外在”函数来计算R和T，给出四个相应的图像点和世界点：[u v]和[X Y]。但是，有13个变量（包括s），我们在这里只有12个公式。（顺便说一句，我设置了Z = 0，这是对的还是Z可以是任何值？）。我如何计

2热度

2回答

图像点（像素）到现实世界坐标（米）

我在天花板上有一个鱼眼摄像头，我想在地板上找到一些点。我将参考系统（真实世界）的原点放在相机下方，我想知道每个物体的位置，以厘米为单位。此图为本： Reference system - Real world 首先，我也做了相机校准和我已经获得的下一个结果与1.11的RMS： Undistorted image after calibration 作为校准的结果我获得了内部参数（相机矩阵），所以我使

0热度

1回答

从单一深度图像实时识别人体姿势

我一直在阅读这篇论文，但有一点我不清楚。对于他们的算法，他们正在使用身体部位，但我无法找到他们如何获得身体部位。有没有任何直接的方法来获取身体部位？ paper link

0热度

1回答

Python：solvePnP（）没有足够的值来解压缩？

我遇到了来自OpenCV的函数cv2.solvePnP的问题。此功能用于获取棋盘的姿态估计。下面的代码后，我得到一个错误： for fname in glob.glob('Images/Calibragem/img1*.jpg'): img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

0热度

1回答

使用外部姿态估计来改善固定标记轮廓跟踪

假设我有一个传感器阵列，它允许我提出相对于某个固定矩形标记的姿态估计。因此，我估计了相机图像中标记轮廓的外观。我如何使用它来更好地检测轮廓？我试图克服的问题是，有时候，标记被遮挡，也许是通过切割它的线。因此，我留下两个轮廓，如果合并，会产生标记。我尝试过打开和关闭来尝试解决问题，但它对于不同类型的照明并不稳健。我正在考虑的一种方法是使用预测的轮廓，并使用图像的渐变执行局部卷积以找到我的真实姿势

2热度

1回答

ArUco Axis交换时绘图3dAxis

我目前正在尝试开发一个项目的ArUco立方体检测器。我们的目标是在不使用大型ArUco电路板的情况下获得更加稳定和准确的姿态估计。然而，为了这个工作，我需要知道每个标记的方向。使用draw3dAxis方法，我发现X和Y轴不会始终出现在相同的位置。这里是一个视频演示问题：https://youtu.be/gS7BWKm2nmg 这似乎是与Rvec检测问题。 Rvec的前两个值有一个明显的转变，在

1热度

1回答

从相机到物体的距离..纠错

我在估计从相机到棋盘的距离。但是，只要我远离模式，错误就会线性增加。这是正常的吗？我怎样才能纠正这个错误？我用一个简单的线性方程纠正了错误，它的工作原理，但它不依赖于相机参数，因为我相信它应该是，这样的修正将是强大的：错误= 72.51 + distNorme * 0.0278; 我计算从棋盘使用的OpenCV和我的相机参数以下这些步骤的距离： 1- findChessboardCorner