视觉SLAM——3D-2D最小化重投影误差求解PnP(OpenCV版本)

最新推荐文章于 2025-04-29 14:03:17 发布

一只野生的善逸

最新推荐文章于 2025-04-29 14:03:17 发布

阅读量4.9k

点赞数

CC 4.0 BY-SA版权

分类专栏：视觉SLAM 文章标签： opencv slam

本文链接：https://blog.csdn.net/weixin_43297891/article/details/114576961

视觉SLAM 专栏收录该内容

23 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

该博客介绍了如何使用OpenCV的EPnP算法解决PnP问题，通过RGB-D相机的深度图获取3D点，结合2D特征点进行非线性优化。示例代码展示了从深度图获取3D坐标，然后在另一图像的2D点上应用PnP算法的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CMakeLists.txt

cmake_minimum_required(VERSION 2.8)
project(vo1)

set(CMAKE_BUILD_TYPE "Release")
add_definitions("-DENABLE_SSE")
set(CMAKE_CXX_FLAGS "-std=c++11 -O2 ${SSE_FLAGS} -msse4")
list

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

一只野生的善逸

关注关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

视觉SLAM笔记（37）求解 PnP

氢键H-H

10-16

1万+

使用 EPnP 求解位姿、李代数位姿、空间点位置、投影方程边、Bundle Adjustment（光束平差法）

SLAM专题（10）- 最小化重投影误差与Bundle Adjustment （BA）

01-07

在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis. 目录一. 历史由来二. Bundle Adjustment到底是什么？平差也就正好表述了为什么

1 条评论您还未登录，请先登录后发表或查看评论

SLAM--最小化重投影误差

老邹的博客

06-02

4026

目录一、相机模型二、最小化重投影误差2.1 优化位姿2.2 优化路标一、相机模型设相机坐标系下的左边点[X,Y,Z]T[X,Y,Z]^T[X,Y,Z]T,相机物理成像的其次坐标为[X′,Y′,1][X',Y',1][X′,Y′,1]，成像焦距为fff，由相似三角形的关系可以得到： X′=fXZ Y′=fYZ(1) X'=f\frac X Z\\ ~\\ Y'=f\frac Y Z \tag{1} X′=fZX Y′=fZY(1) 设像素坐标为[u,v]T[u,v]^T[u,v]T

vSLAM学习笔记——最小化重投影误差求解PnP

weixin_39739042的博客

01-07

1456

BA的定义通常称把相机和三维点放在一起进行最小化的问题为Bundle Adjustment。 重投影误差关于相机位姿李代数的一阶变化关系 ∂e∂δξ=lim⁡δξ→0e(δξ⨁ξ)−e(ξ)δξ=∂e∂P′∂P′∂δξ=−[fxZ′0−fxX′Z′2−fxX′Y′Z′2fx+fxX′2Z′2−fxY′Z′0fyZ′−fyY′Z′2−fy−fyY′2Z′2fyX′Y′Z′2fyX′Z′]\frac{\partial e}{\partial \delta \xi}=\lim_{\delta\xi\to0}\f

Bundle Adjustment--即最小化重投影误差(高翔slam第七讲)

思盖木木の博客

01-08

4170

https://www.cnblogs.com/Jessica-jie/p/7739775.html

3D-2D点对直接线性变换DLT PnP射影变换 BA最小化重投影误差 求旋转平移矩阵 R t

万有文的博客

01-07

5986

*单目相机经过对极几何初始化(八点法、单应矩阵)求解一些3D点后 * 或则双目相机深度相机可以直接得到三维点不需要初始化得到最开始的三维点 *可使用3D点-2D点对使用直接线性变换DLT(Direct Linear Transform) n点透视问题(PnP) 最小二乘最小化重投影误差 非线性优化算法G2O

《视觉SLAM十四讲精品总结》7：VO—— 3D-2D：PnP+BA

try_again_later的博客

08-18

7516

引出： 2D-2D的对极几何需要8个以上点对，且存在初始化、纯旋转和尺度问题。特征点3D位置可以由三角化或RGB-D相机深度图确定。因此，双目或RGB-D相机直接使用PnP估计相机运动。单目视觉里程计，首先初始化，然后才能PnP。 PnP为（ Perspective-n-Point）的简称，即给出n个3D空间点及其投影位置时，如何求解相机的位姿R t。 PnP优点：不需要对极约束，3...

3D-2D：PnP算法原理

热门推荐

Mr.Andy的博客

05-02

5万+

PnP算法原理1.问题背景—— 什么是PnP问题？2.PnP问题的求解方法2.1 P3P2.1.1 算法的实际理解2.1.2 算法的数学推导2.1.3 算法的缺陷2.2 直接线性变换(DLT) 根据高博士的《视觉SLAM十四讲》内容和相关博客的内容，对PnP问题有了一点点新的理解。再次记录一下。参考博客： http://www.cnblogs.com/singlex/p/pose_estima...

高翔《视觉SLAM十四讲》第七章视觉里程计3d-2d位姿估计代码详解与理论解析

GeekDongHuang的博客

04-29

1129

在代码中，高斯牛顿法设置迭代次数为10次，g2o图优化也进行10次迭代，这是在多次实验后确定的一个较为合适的值，能在保证一定精度的同时，控制计算时间。EPnP算法的封装实现：OpenCV将EPnP算法进行了封装，用户只需调用solvePnP函数，并传入3D点、2D点、相机内参矩阵等参数，即可得到相机的旋转向量r和平移向量t。误差计算方法：对于每一对3D - 2D对应点，将3D点通过相机位姿和内参矩阵投影到图像平面上，得到投影点，然后计算投影点与实际观测点之间的欧氏距离，即为该点的重投影误差。

最小化重投影误差(BA法)求解PnP

weixin_44197735的博客

07-23

5517

最小化重投影误差求解PnP

通过最小化广义重投影误差实现多视图立体和轮廓融合

03-02

从一组校准的2D多视图图像中准确地重建3D几何形状是一种积极而有效的方法计算机视觉中具有挑战性的任务。现有的多视图立体声方法通常在恢复方面表现不佳深凹且突出的结构，并且会遇到一些常见问题，例如收敛速度慢，对初始条件的敏感性以及对内存的高要求。为了解决这些问题，我们建议广义重投影误差最小化的两阶段优化方法（TwGREM），其中提出了一种广义的重投影误差框架，以将立体和轮廓提示整合到一个统一的能量中功能。为了使函数最小化，我们首先在3D体积网格上引入凸松弛可以使用变量拆分和Chambolle投影有效解决。然后，得到的表面是参数化为三角形网格并使用表面演化进行精炼以获得高质量的3D重建。我们使用几种最先进方法进行的比较实验表明，TwGREM的性能基于3D的重建在准确性和效率方面是最高的，尤其是对于具有光滑的纹理和稀疏的视点

C++计算两个地图点的重投影误差

11-05

这个程序的作用是输入三角化和观测点的地图坐标和位姿，输出计算图像平面重投影误差

OpenCV 相机校正过程中，calibrateCamera函数projectPoints函数的重投影误差的分析

是否龍磊磊真的一无所有的博客

01-24

3万+

主要是讲解Python利用OpenCV进行相机校正过程中，几个重点参数的分析。标定的过程就不再一一赘述了，很多博客和网站都在讲解怎么进行标定。本文章主要分析，标定过程中的误差计算公式，和对calibrateCamera( ) 和 projectPoints( )两个函数得到的误差，不同的原因进行分析。本文是重点分析重投影误差的计算方式。准确描述opencv自带的函数，和各个博客、教程里面所说的重投影误差计算的流程进行分析和对比，描述官方的重投影误差和教程实现重投影误差的差别。...

OpenCV相机标定calibrateCamera函数返回值的ret（重投影误差）

handsome_wang5的博客

07-11

3313

calibrateCamera函数返回值的ret

最小化重投影误差与Bundle Adjustment

weixin_44943764的博客

10-31

483

最小化重投影误差到BA（三合一）

python opencv实现3D-2DPnP求解位姿

做减求空

03-20

4538

使用jupyter (参考视觉SLAM十四讲版第第二七章源码) 1.ORB特征点提取和配准得到3D坐标-2D坐标 import cv2 as cv import numpy as np from matplotlib import pyplot as plt # 读取图片以及深度 im1 = cv.imread('./data/1.png') im2 = cv.imread('./data/2.png') im1_d = cv.imread('./data/1_depth.png',-1) .

【机器视觉】——相机标定降低重投影误差方法

python_AI_fans的博客

03-13

6523

目录一、标定结果分析二、影响标定误差的原因 1、平面标定板黑白棋盘格的精度 2、图像分辨率的大小 3、标定物的硬度 重投影误差一般控制在0.5像素左右，高精度的要求对标定精度要求更大，这时候则误差需要更加小。本文使用的相机分辨率为3072*2048，棋盘格使用的是10*10，每个棋盘格大小为100*100像素一、标定结果分析 20-30张棋盘格图像用于标定，计算得到的相机内参和畸变矩阵如下所示：相机内参 8646.6812889150...

BundleAdjustment-最小投影误差

上帝禁区

09-11

449

void bundleAdjustment ( const vector< Point3f > points_3d, const vector< Point2f > points_2d, const Mat& K, Mat& R, Mat& t ) { // 初始化g2o typedef g2o::Bl...

基于opencv下的双目视觉三维重建与重投影残差计算

awen

03-26

6028

一、重投影残差 1.1基本概念 重投影残差，按照字面意思解释就是在第二次重新投影的二维像素点与第一次投影得到的像素点之间的残差（欧式距离）大小，残差的大小反映的就是测量仪器的精度以及外界因素对测量结果的干扰，即测量误差的大小。如下图所示：假设P是世界坐标系中的一个三维点（真实物点），第一次投影指的就是双目相机C1、C2拍摄时，P点投影到二维像平面上所捕获到的图像点，即图中的P1和P2点；然后利...

实时视觉slam