OpenCV圖像識別之姿態(tài)估計Pose?Estimation學習
目標
在本章中，將學習
- 利用
calib3d模塊在圖像中創(chuàng)建一些3D效果
基礎(chǔ)
在上一節(jié)相機校準中，了解了相機矩陣、失真系數(shù)等。給定圖案圖像，可以利用以上信息來計算其姿勢或物體在空間中的位置，例如其旋轉(zhuǎn)方式， 對于平面物體，可以假設(shè)Z=0Z = 0Z=0，問題就變成了如何將相機放置在空間中以查看圖案圖像。 因此，如果知道對象在空間中的位置，可以在其中繪制一些2D圖來模擬3D效果。
問題是，想在棋盤的第一個角上繪制3D坐標軸(X,Y,Z)。 X軸為藍色，Y軸為綠色，Z軸為紅色。 因此，實際上Z軸應該感覺像它垂直于棋盤平面。
首先，從先前的校準結(jié)果中加載相機矩陣和失真系數(shù)。
import cv2
import pickle
import glob
import numpy as np
# load previously save data
with open(r"cam_calib.p", "rb") as f:
data = pickle.load(f)
mtx = data['cam_matrix']
dist = data['dist_coeffs']
現(xiàn)在創(chuàng)建一個繪制繪制，該函數(shù)將棋盤上的角（使用cv2.findChessboardCorners()獲得） 和軸點繪制為3D。
def draw(img, corners, imgpts):
corner = tuple(corners[0].ravel())
img = cv2.line(img, corner, tuple(imgpts[0].ravel()), (255, 0, 0), 5)
img = cv2.line(img, corner, tuple(imgpts[1].ravel()), (0, 255, 0), 5)
img = cv2.line(img, corner, tuple(imgpts[2].ravel()), (0, 0, 255), 5)
return img
然后，與前面的情況一樣，創(chuàng)建終止條件，對象點（棋盤上角的3D點）和軸點。 軸點是3D空間中用于繪制軸的點。 繪制長度為3的軸（單位將根據(jù)基于該尺寸校準的棋子方形寸）。因此X軸從(0,0,0)繪制為(3,0,0)，Y軸也同樣如此。 對于Z軸，從(0,0,0)繪制為(0,0,-3)。 負號表示它朝向相機繪制。
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) objp = np.zeros((6*7, 3), np.float32) objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2) axis = np.float32([[3,0,0], [0,3,0], [0,0,-3]]).reshape(-1,3)
現(xiàn)在，加載每個圖像，搜索7x6的網(wǎng)格圖像。如果找到，將使用子角像素對其進行優(yōu)化。然后使用函數(shù)cv2.solvePnPRansac()計算旋轉(zhuǎn)和平移。一旦有了這些變換矩陣，就可以使
用它們將軸點投影到圖像平面上。簡而言之，在圖像平面上找到與3D空間中(3,0,0),(0,3,0),
(0,0,3)中的每一個相對應的點。一旦獲得它們，就可以使用draw()函數(shù)從第一個角到這些點中的每個點繪制線條。
for fname in glob.glob('right*.jpg'):
img = cv2.imread(fname)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (7, 6),None)
if ret == True:
corners2 = cv2.cornerSubPix(gray,corners,(11, 11), (-1, -1), criteria)
# Find the rotation and translation vectors.
ret,rvecs, tvecs = cv2.solvePnP(objp, corners2, mtx, dist)
# project 3D points to image plane
imgpts, jac = cv2.projectPoints(axis, rvecs, tvecs, mtx, dist)
img = draw(img,corners2,imgpts)
cv2.imshow('img',img)
k = cv2.waitKey(0) & 0xFF
if k == ord('s'):
cv2.imwrite(fname[:6]+'.png', img)
cv2.destroyAllWindows()
每個軸長3個單位。
繪制立方體
如果要繪制立方體，修改draw()函數(shù)和軸點。 修改后的draw()函數(shù):
def draw(img, corners, imgpts):
imgpts = np.int32(imgpts).reshape(-1,2)
# draw ground floor in green
img = cv2.drawContours(img, [imgpts[:4]],-1,(0,255,0),-3)
# draw pillars in blue color
for i, j in zip(range(4),range(4,8)):
img = cv2.line(img, tuple(imgpts[i]), tuple(imgpts[j]),(255),3)
# draw top layer in red color
img = cv2.drawContours(img, [imgpts[4:]],-1,(0,0,255),3)
return img
修改的軸點。它們是3D空間中多維數(shù)據(jù)集的8個角：
axis = np.float32([[0,0,0], [0,3,0], [3,3,0], [3,0,0],
[0,0,-3],[0,3,-3],[3,3,-3],[3,0,-3] ])
如果對圖形，增強現(xiàn)實等感興趣，則可以使用OpenGL渲染更復雜的圖形（感謝毛星云大佬）。
附加資源
以上就是OpenCV圖像識別之姿態(tài)估計Pose Estimation學習的詳細內(nèi)容，更多關(guān)于OpenCV圖像識別姿態(tài)估計的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python中的zip函數(shù)是一個非常有用的工具,可以幫助我們同時處理多個可迭代對象,通過使用zip函數(shù),我們可以將多個列表或迭代器中的元素打包成一個個元組,然后返回由這些元組組成的列表,這篇文章介紹zip在python中的用法,感興趣的朋友一起看看吧2024-02-02
這篇文章主要為大家詳細介紹了python基于win32api實現(xiàn)窗口截圖，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-03-03
這篇文章主要介紹了Python Http發(fā)送請求淺析，文章主要通過從requests、aiohttp、httpx三個接口請求展開詳情，需要的朋友可以參考一下文章具體詳細內(nèi)容2022-06-06
解讀Tensorflow2.0訓練損失值降低,但測試正確率基本不變的情況
這篇文章主要介紹了Tensorflow2.0訓練損失值降低,但測試正確率基本不變的情況，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-06-06
這篇文章主要為大家介紹了Python中的List，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2021-12-12
Python自動化辦公Excel模塊openpyxl原理及用法解析
這篇文章主要介紹了Python自動化辦公Excel模塊openpyxl原理及用法解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-11-11
這篇文章主要介紹了python的列表List求均值和中位數(shù)實例，具有很好對參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
在pycharm中使用pipenv創(chuàng)建虛擬環(huán)境和安裝django的詳細教程
這篇文章主要介紹了在pycharm中使用pipenv來創(chuàng)建虛擬環(huán)境和安裝django的詳細教程，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-11-11
這篇文章主要介紹了基于python檢查SSL證書到期情況代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-04-04
這篇文章主要介紹了Python實現(xiàn)的企業(yè)粉絲抽獎功能,涉及Python數(shù)值運算與隨機數(shù)生成相關(guān)操作技巧,需要的朋友可以參考下2019-07-07