我正在尝试根据单张图像对网球场进行相机校准和 3D 估计。首先作为预处理,我进行精明的边缘检测,然后应用霍尔变换来获取线条。从这里我清理图像以获得球场边缘。 .由此我试图估计球场的 3D 姿态(可能在相机校准之后)。 opencv 中的相机校准方法似乎适用于预先存在的模式。据我所知,球场尺寸是否有任何方法可以从单个图像中获取 3D 参数?或者我们可以更容易地从平行线计算出相应的矩阵吗?
最佳答案
这是一个尝试...
第 1 步:我点击了您基本上已经找到的相机图像中的“已知”世界点。我在 MATLAB 中运行了 ginput
并点击了 14 个点的交点,这些交点应该可以从你的 Hough 线导出。以下是这些点,以像素为单位(您可以将它们绘制在原始图像之上以查看它们的位置):
x = [
161 118
193 119
382 116
412 116
181 149
288 147
393 146
134 268
287 266
440 266
36 358
98 358
473 352
535 353
]';
第2步:我计算了相应的世界点,将球场的左上角作为原点(0,0,0)并向下和向右递增。每个点的 Z 坐标都为 0,因为球场是一个平面。以下是这些点,以英尺为单位:
y = [
0 0 0
4.5 0 0
31.5 0 0
36 0 0
4.5 18 0
18 18 0
31.5 18 0
4.5 60 0
18 60 0
31.5 60 0
0 78 0
4.5 78 0
31.5 78 0
36 78 0
]';
第 3 步:我们现在有一堆相机点和世界点之间的对应关系。我使用相机校准工具箱来导出相机的外部和内部参数。请注意,由于我们的对应关系很少,我跳过了失真参数和纵横比(无论如何应该非常接近 1.0)的计算。此处生成的图像显示映射到图像的原始世界点,仅提供校准信息。我们可以看到校准是有效的,因为所有世界点都非常接近它们在图像中的正确位置。
这是最终代码:
clc;
clear all;
img = imread('HSY1A.jpg');
nx = size(img,2);
ny = size(img,1);
% imshow(img,[]);
x = [
161 118
193 119
382 116
412 116
181 149
288 147
393 146
134 268
287 266
440 266
36 358
98 358
473 352
535 353
]';
y = [
0 0 0
4.5 0 0
31.5 0 0
36 0 0
4.5 18 0
18 18 0
31.5 18 0
4.5 60 0
18 60 0
31.5 60 0
0 78 0
4.5 78 0
31.5 78 0
36 78 0
]';
num_pts = size(y,2);
% Required by camera calibration toolbox
x_1 = x;
X_1 = y;
% Setting up calibration parameters
n_ima = 1;
est_aspect_ratio = 0;
est_dist = zeros(5,1);
% check_cond = 0;
% Run calibration
go_calib_optim;
%% Estimate original points
est_x_1 = KK * [Rc_1 Tc_1] * [X_1; ones(1, size(X_1,2))];
est_x_1 = est_x_1 ./ repmat(est_x_1(3,:),3,1);
%% Plot results
imshow(img,[]); hold on;
plot(est_x_1(1,:),est_x_1(2,:),'gs');
这是生成的图像:
关于java - 使用opencv对网球场进行3D估算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22921865/