针孔相机模型与深度图转换成点云

您所在的位置：网站首页 › 针孔相机原理 › 针孔相机模型与深度图转换成点云

针孔相机模型与深度图转换成点云

2023-07-29 02:04| 来源: 网络整理| 查看: 265

文章目录一、原理：针孔相机模型1.1 针孔相机模型推导1.2 实例二、深度图转换成点云

一、原理：针孔相机模型 1.1 针孔相机模型推导

相机结构一般用如下透镜模型解释，穿过镜头中心的光线没有改变方向,镜头中心称为“光心” 在这里插入图片描述透镜模型可以简化为针孔模型——将透镜替换成小孔

光心对应小孔中心

在这里插入图片描述

一般为了分析简单,将成像平面画在对称位置,这样图像不再颠倒。在这里插入图片描述空间的3D点和图像传感器上的位置关系通过下面的图给出

传感器平面上的图像点看成是从空间点(X,Y,Z)到原点的连线和传感器平面的交点在这里插入图片描述

利用相似三角形能够看出图像传感器平面上的像素位置和3D空间点的位置关系在这里插入图片描述

下面以矩阵形式给出相机图像和3D坐标之间的关系在这里插入图片描述

1.2 实例

在这里插入图片描述

二、深度图转换成点云

已知每一个像素点的深度就可以用上面的公式转换成点云，代码如下

import numpy as np # 加载深度数据 img = np.genfromtxt('img_dep_640x480.csv', delimiter=',').astype(np.float32) # 参数 CAM_WID, CAM_HGT = 640, 480 CAM_FX, CAM_FY = 795.209, 793.957 CAM_CX, CAM_CY = 332.031, 231.308 # 转换 x, y = np.meshgrid(range(CAM_WID), range(CAM_HGT)) x = x.astype(np.float32) - CAM_CX y = y.astype(np.float32) - CAM_CY img_z = img.copy() if False: # 如果需要矫正视线到Z的转换的话使能 f = (CAM_FX + CAM_FY) / 2.0 img_z *= f / np.sqrt(x ** 2 + y ** 2 + f ** 2) pc_x = img_z * x / CAM_FX # X=Z*(u-cx)/fx pc_y = img_z * y / CAM_FY # Y=Z*(v-cy)/fy pc = np.array([pc_x.ravel(), pc_y.ravel(), img_z.ravel()]).T # 结果保存 np.savetxt('pc.csv', pc, fmt='%.18e', delimiter=',', newline='\n') # 从CSV文件加载点云并显示 pc = np.genfromtxt('pc.csv', delimiter=',').astype(np.float32) import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D ax = plt.figure(1).gca(projection='3d') ax.plot(pc[:, 0], pc[:, 1], pc[:, 2], 'b.', markersize=0.5) plt.title('point cloud') plt.show()

【本文地址】

针孔相机模型与深度图转换成点云

针孔相机模型与深度图转换成点云

今日新闻

推荐新闻