逆透视变换？

Question

我正在尝试从给定图像中找到鸟瞰图像。我还有将其转换为鸟瞰平面所需的旋转和平移（也是固有矩阵）。我的目标是找到一个逆单应矩阵（3x3）。

rotation_x = np.asarray([[1,0,0,0],
                        [0,np.cos(R_x),-np.sin(R_x),0],
                        [0,np.sin(R_x),np.cos(R_x),0],
                        [0,0,0,1]],np.float32)

translation = np.asarray([[1, 0, 0, 0],
                         [0, 1, 0, 0 ],
                         [0, 0, 1, -t_y/(dp_y * np.sin(R_x))],
                         [0, 0, 0, 1]],np.float32)

intrinsic = np.asarray([[s_x * f / (dp_x  ),0, 0, 0],
                       [0, 1 * f / (dp_y ) ,0, 0 ],
                       [0,0,1,0]],np.float32)

#The Projection matrix to convert the image coordinates to 3-D domain from (x,y,1) to (x,y,0,1); Not sure if this is the right approach
projection = np.asarray([[1, 0, 0],
                        [0, 1, 0],
                        [0, 0, 0],
                        [0, 0, 1]], np.float32)

homography_matrix =  intrinsic @  translation @ rotation  @ projection

inv = cv2.warpPerspective(source_image, homography_matrix,(w,h),flags = cv2.INTER_CUBIC  | cv2.WARP_INVERSE_MAP)

我的问题是，这是正确的方法吗，因为我可以手动设置合适的 ty,rx，但不适用于提供的 (ty,rx)。

Answer 1

第一个前提：您的鸟瞰图仅对图像中的一个特定平面是正确的，因为单应性只能映射平面（包括无限远处的平面，对应于纯相机旋转）。

第二个前提：如果你能在第一张图片中识别出一个四边形，它是一个矩形在世界上的投影，你就可以直接计算将四边形映射到矩形的单应性（即 "birds's eye view"四边形的），并用它扭曲图像，设置比例，使图像扭曲到所需的大小。无需使用相机内在函数。示例：您有一个矩形 windows 建筑物的图像，并且您知道世界上这些 windows 的 width/height 比例。

有时候你找不到矩形，但是你的相机是校准过的，所以你描述的问题就出现了。让我们来计算一下。假设您在给定图像中观察到的平面在世界坐标中为 Z=0。设 K 为 3x3 固有相机矩阵，[R, t] 为表示 XYZ 世界坐标系中相机姿势的 3x4 矩阵，因此如果 Pc 和 Pw 分别表示相同的 3D 点在相机和世界坐标中，它是 Pc = R*Pw + t = [R, t] * [Pw.T, 1].T，其中 .T 表示转置。那么你可以把相机投影写成：

s * p = K * [R, t] * [Pw.T, 1].T

其中 s 是任意比例因子，p 是 Pw 投影到的像素。但是如果Pw=[X, Y, Z].T在Z=0平面上，R的第3列只乘零，所以我们可以忽略它。如果我们再用 r1 和 r2 表示 R 的前两列，我们可以将上面的等式重写为：

s * p = K * [r1, r2, t] * [X, Y, 1].T

但是K * [r1, r2, t]是一个3x3矩阵，将3D平面上的点转换为相机平面上的点，所以它是单应性的。

如果平面不是Z=0，你可以重复相同的参数，用[R, t] * inv([Rp, tp])替换[R, t]，其中[Rp, tp]是将平面上的框架映射到世界框架的坐标变换，平面法线为 Z 轴。

最后，为了获得鸟瞰图，你 select 旋转 R，其第三列（相机框架中世界 Z 轴的分量）与平面法线相反。

逆透视变换？

Inverse Perspective Transform?

opencv

projection

computer-vision

homography