无法将相机视图校准为 3D 模型
我正在开发一个应用程序，它使用 LK 进行跟踪并使用 POSIT 进行估计。我成功获得了旋转矩阵、投影矩阵并能够完美跟踪，但对我来说问题是我无法正确翻译 3D 对象。该对象没有安装到它必须安装的正确位置。
有人会帮我解决这个问题吗？
I am developing an app which uses LK for tracking and POSIT for estimation. I am successful in getting rotation matrix, projection matrix and able to track perfectly but the problem for me is I am not able to translate 3D object properly. The object is not fitting in to the right place where it has to fit.
Will some one help me regarding this?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
检查此链接，他们可能会为您提供一些想法。
http://computer-vision-talks.com/2011/11/姿势估计问题/
http://www.morethantechnical.com/2010/11/10/20-lines-ar-in-opencv-wcode/
现在，您还必须检查内部相机参数是否为正确的。在尝试重建 3D 空间时，即使估计视场的一个小错误也可能会导致麻烦。从您的详细信息来看，问题似乎出在 fov 角度（视野）不好。
您可以尝试测量它们，或者将一半或双倍的值输入到您的算法中。
fov 有两种约定：半角（从图像中心到顶部或左侧，或从下到上，分别从左到右）也许您只是将它们混合起来，使用全角而不是半角，反之亦然
Check this links, they may provide you some ideas.
http://computer-vision-talks.com/2011/11/pose-estimation-problem/
http://www.morethantechnical.com/2010/11/10/20-lines-ar-in-opencv-wcode/
Now, you must also check whether the intrinsic camera parameters are correct. Even a small error in estimating the field of view can cause troubles when trying to reconstruct 3D space. And from your details, it seems that the problem are bad fov angles (field of view).
You can try to measure them, or feed the half or double value to your algorithm.
There are two conventions for fov: half-angle (from image center to top or left, or from bottom to top, respectively from left to right) Maybe you just mixed them up, using full-angle instead of half, or vice-versa
也许您可以向我们展示如何从 R 和 T 分量构建变换矩阵？
请记住，cv::solvePnP 函数返回逆变换（例如，世界中的相机） - 它在 3D 空间中查找对象姿势，其中相机位于 (0;0;0)。对于几乎所有情况，您都需要反转它才能获得正确的结果：{Rt; -T}
Maybe you can show us how you build a transformation matrix from R and T components?
Remember, that cv::solvePnP function returns inverse transformation (e.g camera in world) - it finds object pose in 3D space where camera is in (0;0;0). For almost all cases you need inverse it to get correct result: {Rt; -T}