3D 激光雷达点在第 i 个相机图像中的投影（KITTI 数据集）
Projection of 3D Lidar point in the i-th camera image (KITTI Dataset)
我正在处理一个对象分类问题，我正在使用来自 Kitti 数据集的激光雷达和相机数据。,
在这篇文章中：http://ww.cvlibs.net/publications/Geiger2013IJRR.pdf，他们提供了将 3d PointCloud 投影到第 i 个相机图像平面的公式，但有些东西我不明白：
以下等式((3) :
如果3D点X在velodyne相机图像中，Y在第i个相机图像中，为什么X有四个坐标，Y有三个？应该是3和2吧？
（来源：noelshack.com）
我需要将 3D 点云投影到相机图像平面，然后创建激光雷达图像以将它们用作 CNN 的通道。有人对此有想法吗？
提前致谢
对于您关于 x 和 y 维度的第一个查询，有两种解释。
理由一.
For image re-projection使用的针孔相机型号是
透视坐标或齐次坐标。看法
投影使用图像原点作为投影和点的中心
被映射到平面 z=1。表示一个 3D 点 [x y z]
通过[xw yw zw w]表示它在平面上映射的点
通过 [xw yw zw]. 用 w 归一化给出。
所以 (x,y) -> [x y 1]T : 均匀图像坐标
and (x,y,z) -> [x y z 1] T : 均匀场景坐标
理由二
关于您所附的论文，考虑等式
(4) 和 (5)
很明显P是3X4维度，R展开为4x4dimension.Alsox是1x4维度。因此，根据矩阵乘法规则，第一个矩阵的列数必须等于第二个矩阵的行数。所以对于给定 3x4 的 P 和 4x4 的 R，x 必须是 1x4.
现在进入你的第二个问题，激光雷达图像融合，它需要内参和外参（相对旋转和平移）和相机矩阵。这种旋转和平移形成一个 3x4 矩阵，称为变换矩阵。所以点融合方程变成
[x y 1]^T = Transformation Matrix * Camera Matrix * [X Y Z 1]^T
也可以参考:: Lidar Image Fusion KITTI
完成 LiDAR 图像融合后，您可以将此图像输入 CNN model.I 我不知道用于 LiDAR 融合图像的 DNN 模块。
希望这对您有所帮助..
我正在处理一个对象分类问题，我正在使用来自 Kitti 数据集的激光雷达和相机数据。, 在这篇文章中：http://ww.cvlibs.net/publications/Geiger2013IJRR.pdf，他们提供了将 3d PointCloud 投影到第 i 个相机图像平面的公式，但有些东西我不明白：
以下等式((3) :
如果3D点X在velodyne相机图像中，Y在第i个相机图像中，为什么X有四个坐标，Y有三个？应该是3和2吧？
（来源：noelshack.com）
我需要将 3D 点云投影到相机图像平面，然后创建激光雷达图像以将它们用作 CNN 的通道。有人对此有想法吗？
提前致谢
对于您关于 x 和 y 维度的第一个查询，有两种解释。
理由一.
For image re-projection使用的针孔相机型号是 透视坐标或齐次坐标。看法 投影使用图像原点作为投影和点的中心 被映射到平面 z=1。表示一个 3D 点 [x y z] 通过[xw yw zw w]表示它在平面上映射的点 通过 [xw yw zw]. 用 w 归一化给出。
所以 (x,y) -> [x y 1]T : 均匀图像坐标
and (x,y,z) -> [x y z 1] T : 均匀场景坐标
理由二
关于您所附的论文，考虑等式 (4) 和 (5)
很明显P是3X4维度，R展开为4x4dimension.Alsox是1x4维度。因此，根据矩阵乘法规则，第一个矩阵的列数必须等于第二个矩阵的行数。所以对于给定 3x4 的 P 和 4x4 的 R，x 必须是 1x4.
现在进入你的第二个问题，激光雷达图像融合，它需要内参和外参（相对旋转和平移）和相机矩阵。这种旋转和平移形成一个 3x4 矩阵，称为变换矩阵。所以点融合方程变成
[x y 1]^T = Transformation Matrix * Camera Matrix * [X Y Z 1]^T
也可以参考:: Lidar Image Fusion KITTI
完成 LiDAR 图像融合后，您可以将此图像输入 CNN model.I 我不知道用于 LiDAR 融合图像的 DNN 模块。
希望这对您有所帮助..