我正在匹配一个模板,从中我知道我的距离和法向量。
即,如果我的单应性矩阵是单位矩阵,那么我的相机距离为1.0米,我的法线为0。
现在我有第二张图像,在其中我成功地对齐了我的模板,并得到了一个单应性矩阵。
我也有我的相机矩阵。
OpenCV函数:
为我提供旋转(3x3矩阵)、平移(3x1矩阵)和法向量(3x1矩阵)的4种解决方案。
能够几乎完美地将相机当前视图映射到我的模板上。因此,应该有可能获得实际的缩放比例(模板到对齐)和法向量。
但是我无法弄清楚如何实际选择cv::decomposeHomographyMat()的正确解决方案,我错过了什么吗?
编辑:发布了“问题”没有问题...
即,如果我的单应性矩阵是单位矩阵,那么我的相机距离为1.0米,我的法线为0。
现在我有第二张图像,在其中我成功地对齐了我的模板,并得到了一个单应性矩阵。
[0.82072, 0.05685, 66.75024]
H = [0.02006, 0.86092, 39.34907]
[0.00003, 0.00017, 01.00000]
我也有我的相机矩阵。
OpenCV函数:
cv::decomposeHomographyMat()
为我提供旋转(3x3矩阵)、平移(3x1矩阵)和法向量(3x1矩阵)的4种解决方案。
cv::warpPerspective()
能够几乎完美地将相机当前视图映射到我的模板上。因此,应该有可能获得实际的缩放比例(模板到对齐)和法向量。
但是我无法弄清楚如何实际选择cv::decomposeHomographyMat()的正确解决方案,我错过了什么吗?
编辑:发布了“问题”没有问题...