OpenCV使用3D估算法来估算网球场地。

Question

OpenCV使用3D估算法来估算网球场地。

4

我正在尝试对网球场进行单张图像的相机标定和三维估计。首先，我进行Canny边缘检测，然后应用霍夫变换获取直线。从这个结果中，我清理图像以获取球场边缘。从这里开始，我尝试估计球场的三维姿态（可能需要进行相机标定）。OpenCV中的相机标定方法似乎是针对预先存在的模式的。既然我知道球场的尺寸，是否有办法从单张图像中获取3D参数？或者我们可以更容易地通过平行线计算相应的矩阵吗？ hoare transform处理后的示例图像

- Arun

我认为这应该是可行的。只要有足够的二维和三维点对应，你就能够恢复出内参矩阵和外参矩阵。 - aardvarkk

有了已知的校准模式，校准应该很容易。据我所知，使用平行线需要至少2或3个消失点（不同的线方向），但在该图像中，由于水平线与图像平面相当平行，因此您只会得到一个消失点。 - Micka

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- aardvarkk · Accepted Answer

这是我的尝试...

步骤1：我在相机图像中点击了您已经找到的“已知”世界点。我在MATLAB中运行了 ginput，并单击了应该可以从您的霍夫线推导出的14个交点。以下是这些点，以像素为单位（您可以在原始图像上绘制它们，以查看它们的位置）：

第二步：我计算了相应的世界坐标，将球场左上角视为原点（0,0,0），向下和向右增加。由于球场是一个平面，每个点的Z坐标都等于0。以下是这些点的英尺单位：

步骤3：我们现在有许多相机点和世界点之间的对应关系。我使用了相机标定工具箱来推导相机的外参和内参参数。请注意，由于我们只有很少的对应关系，我跳过了畸变参数和纵横比的计算（这些应该非常接近于1.0）。这里显示的结果图像仅使用校准信息将原始世界点映射到图像中。我们可以看到，校准是有效的，因为所有世界点都被映射到了图像中它们正确的位置非常接近。

以下是最终代码：

clc;
clear all;

img = imread('HSY1A.jpg');
nx = size(img,2);
ny = size(img,1);

% imshow(img,[]);

x = [
   161   118
   193   119
   382   116
   412   116
   181   149
   288   147
   393   146
   134   268
   287   266
   440   266
    36   358
    98   358
   473   352
   535   353
   ]';

y = [
   0 0 0
   4.5 0 0
   31.5 0 0
   36 0 0
   4.5 18 0
   18 18 0
   31.5 18 0
   4.5 60 0
   18 60 0
   31.5 60 0
   0 78 0
   4.5 78 0
   31.5 78 0
   36 78 0
]';

num_pts = size(y,2);

% Required by camera calibration toolbox
x_1 = x;
X_1 = y;

% Setting up calibration parameters
n_ima = 1;
est_aspect_ratio = 0;
est_dist = zeros(5,1);
% check_cond = 0;

% Run calibration
go_calib_optim;

%% Estimate original points
est_x_1 = KK * [Rc_1 Tc_1] * [X_1; ones(1, size(X_1,2))];
est_x_1 = est_x_1 ./ repmat(est_x_1(3,:),3,1);

%% Plot results
imshow(img,[]); hold on;
plot(est_x_1(1,:),est_x_1(2,:),'gs');

这里是生成的图片：

enter image description here