Ich kämpfe und brauche Hilfe.
Ich möchte optische Strömungsgeschwindigkeit aus der bekannten Bewegung des realen Objekts berechnen (tatsächlich bewegt sich die Kamera). Dies ist ein Teil dessen, was ich in meiner vorherigen Frage gefragt habe ( Bestimmen, ob ein Feature Teil eines sich bewegenden Objekts aus dünnem optischen Fluss (KLT) ist ).
Jedenfalls habe ich die Berechnung des optischen Flusses mit cvGoodFeaturesToTrack()
und cvCalcOpticalFlowPyrLK()
durchgeführt.
Ich möchte nur überprüfen, ob der von mir berechnete Fluss theoretisch korrekt ist (entsprechend der Bewegung der Kamera).
Lassen Sie meine Kamera nur in der Z-Achse laufen (ignorieren Sie einfach die Gierrate für den Moment). Angenommen, meine Kamera bewegt sich für Vz (in Z-Richtung).
Ich kann den optischen Fluss durch
finden %Vor%(angenommen Vx, Vy = 0 - & gt; keine Kamerabewegung in x- und y-Achse)
Das habe ich hauptsächlich von Ссылка gelernt.
Das Problem ist, das zu lösen. Ich muss Z haben. In meinem Fall kann ich nicht davon ausgehen, dass die Oberfläche Z flach oder bekannt ist. Die Kamera bewegt sich auf der Straße und richtet sie senkrecht zum Boden aus.
Bitte helfen Sie mir, die folgenden Fragen zu beantworten:
Vielen Dank.
[Wenn Ihnen diese Frage zu vage erscheint, lassen Sie es mich bitte wissen, damit ich Ihnen weitere Einzelheiten mitteilen kann.]
Vielleicht könnte das helfen ... Videovorlesungen von der University of Central Florida Computer Vision Group:
Zusätzliche Python-Codes von Jan Erik Solem: Programmierung von Computer Vision mit Python .
Lesen Sie Kapitel 10.4, es wird wahrscheinlich alle Ihre Fragen beantworten.
Sehen Sie sich auch Kapitel 5.4 dieses Buches an, wenn Sie ein Bild mit der Kamera machen und dann Ihre Kamera leicht in x-Richtung bewegen und ein anderes Bild machen, können Sie etwas berechnen, das "Disparitätskarte" genannt wird sagt, was für Dinge in dem Bild waren in der Front vs zurück. Das ist ein bisschen so, als ob man die Z-Richtung herausfinden würde. etwas nach dem, was Sie bereits versucht haben und was einige der Kommentare über Stereo-Imaging erwähnt haben.
In Kapitel 4.3 wird die Pose-Schätzung anhand von planaren Markern erläutert. Sie können ein Objekt verwenden, das sich in bekannter Entfernung vor der Kamera befindet, um die Kamera zu kalibrieren. Dies ist wahrscheinlich das, was Sie zuerst betrachten sollten.
Tags und Links opencv computer-vision