当前位置：首页 > news >正文

双目视觉：reprojectImageTo3D函数

news 来源：原创 2025/5/18 13:38:11

前言

reprojectImageTo3D 是 OpenCV 中用于从视差图生成三维点云的函数。它的原理是利用视差图和相机的校准参数，通过三角测量法，计算每个像素对应的三维坐标。以下内容根据源码分析所写，觉得可以的话，点赞收藏哈！！

一、基础知识

齐次坐标：齐次坐标是一种数学表示方法，它在计算机图形学和计算机视觉中被广泛使用，特别是在处理3D空间中的点和变换时。齐次坐标的主要作用有以下几点：

统一表示：齐次坐标允许我们使用一个统一的表示方法来处理点和向量。在笛卡尔坐标系中，点和向量是不同的概念，但通过引入齐次坐标，我们可以将它们表示为相同的形式。例如，一个3D点(x,y,z)可以表示为齐次坐标(x,y,z,1)，而一个3D向量(a,b,c)可以表示为齐次坐标(a,b,c,0)。
简化变换：齐次坐标简化了3D空间中的线性变换，如旋转、平移和缩放。在笛卡尔坐标系中，平移不能通过矩阵乘法来表示（矩阵大小💥💥💥），但通过引入齐次坐标，平移可以表示为一个4x4矩阵与齐次坐标向量的乘法。例如，一个平移变换T=(tx,ty,tz)可以表示为以下矩阵：

视差图：在立体视觉系统中，两个相机（称为立体相机）被放置在一定的距离（称为基线）上，同时拍摄同一场景。由于两个相机的位置不同，它们拍摄到的同一物体在两个图像中的位置会有所不同。这种位置差异就是视差(Xr-Xl💥💥💥)。视差图的大小等于图像大小，最大值为1024，最小值为0。

二、推导过程

（1）双目相机的坐标系

在双目视觉中，两个相机的几何模型如下：

左相机的光心位于原点 [0,0,0]其像平面位于 Z=f。
右相机的光心位于 [Tx,0,0]，即两个相机光心的水平基线距离为 Tx。
像素点 (x,y) 是在左图像的像素坐标系中的位置，d=xleft−xright是视差。

（2）齐次坐标的引入

为了方便将像素坐标 (x,y)和视差 d直接映射到三维空间，引入齐次坐标系。齐次坐标将三维点扩展为四维表示：[X, Y, Z, W]。其中， [X/W,Y/W,Z/W]是三维坐标，W 是归一化因子。重点内容哈! 仅此一家哈！！💥💥💥

（3）数学公式

使用重投影矩阵 Q 与齐次坐标(x,y,d,1) 进行矩阵乘法。这一步将2D点转换为3D空间中的一个点。将得到的4维向量(X,Y,Z,W) 归一化，即除以 W 分量，得到3D空间中的点(X/W,Y/W,Z/W)。

三、源码

void cv::reprojectImageTo3D( InputArray _disparity,OutputArray __3dImage, InputArray _Qmat,bool handleMissingValues, int dtype )
{CV_INSTRUMENT_REGION();Mat disparity = _disparity.getMat(), Q = _Qmat.getMat();int stype = disparity.type();CV_Assert( stype == CV_8UC1 || stype == CV_16SC1 ||stype == CV_32SC1 || stype == CV_32FC1 );CV_Assert( Q.size() == Size(4,4) );if( dtype >= 0 )dtype = CV_MAKETYPE(CV_MAT_DEPTH(dtype), 3);if( __3dImage.fixedType() ){int dtype_ = __3dImage.type();CV_Assert( dtype == -1 || dtype == dtype_ );dtype = dtype_;}if( dtype < 0 )dtype = CV_32FC3;elseCV_Assert( dtype == CV_16SC3 || dtype == CV_32SC3 || dtype == CV_32FC3 );__3dImage.create(disparity.size(), dtype);Mat _3dImage = __3dImage.getMat();const float bigZ = 10000.f;Matx44d _Q;Q.convertTo(_Q, CV_64F);int x, cols = disparity.cols;CV_Assert( cols >= 0 );std::vector<float> _sbuf(cols);std::vector<Vec3f> _dbuf(cols);float* sbuf = &_sbuf[0];Vec3f* dbuf = &_dbuf[0];double minDisparity = FLT_MAX;// NOTE: here we quietly assume that at least one pixel in the disparity map is not defined.// and we set the corresponding Z's to some fixed big value.if( handleMissingValues )cv::minMaxIdx( disparity, &minDisparity, 0, 0, 0 );for( int y = 0; y < disparity.rows; y++ ){float* sptr = sbuf;Vec3f* dptr = dbuf;if( stype == CV_8UC1 ){const uchar* sptr0 = disparity.ptr<uchar>(y);for( x = 0; x < cols; x++ )sptr[x] = (float)sptr0[x];}else if( stype == CV_16SC1 ){const short* sptr0 = disparity.ptr<short>(y);for( x = 0; x < cols; x++ )sptr[x] = (float)sptr0[x];}else if( stype == CV_32SC1 ){const int* sptr0 = disparity.ptr<int>(y);for( x = 0; x < cols; x++ )sptr[x] = (float)sptr0[x];}elsesptr = disparity.ptr<float>(y);if( dtype == CV_32FC3 )dptr = _3dImage.ptr<Vec3f>(y);for( x = 0; x < cols; x++){double d = sptr[x];Vec4d homg_pt = _Q*Vec4d(x, y, d, 1.0);dptr[x] = Vec3d(homg_pt.val);dptr[x] /= homg_pt[3];if( fabs(d-minDisparity) <= FLT_EPSILON )dptr[x][2] = bigZ;}if( dtype == CV_16SC3 ){Vec3s* dptr0 = _3dImage.ptr<Vec3s>(y);for( x = 0; x < cols; x++ ){dptr0[x] = dptr[x];}}else if( dtype == CV_32SC3 ){Vec3i* dptr0 = _3dImage.ptr<Vec3i>(y);for( x = 0; x < cols; x++ ){dptr0[x] = dptr[x];}}}
}

四、总结

像素坐标到三维点：

像素坐标 (x,y)和视差 d 提供了物体的二维位置和深度信息。
重投影矩阵 Q将这些信息通过矩阵运算映射到三维空间。

视差与深度关系：

视差 d 越大，深度 Z 越小（物体越近。
齐次坐标中的 W 用于归一化三维坐标。

前言

一、基础知识

二、推导过程

三、源码

四、总结

相关文章：