Computer vision 如何找到单应

我需要找到单应矩阵，它将2d图像坐标转换为真实世界坐标（2d）。我看到的是一面墙和墙上三个不重叠的三角形的图像<代码>三角形每边的长度为1米（在墙上），而且我知道图像中三角形的所有角位置。如何使用这些三角形信息计算单应矩阵

---

如果我假设三角形的左下角是墙上的（0,0），那么我可以根据这（3个已知坐标）找到三角形的其他2个坐标，如何使用其他三角形的信息来找到单应矩阵

仅使用单应矩阵无法将图像坐标转换为真实世界坐标。当您将图像点转换为真实世界坐标时

这是图像坐标，是现实世界中的3D点。仅从图像坐标，我们不知道比例因子。所以当我们乘单应矩阵的逆时：

X'，Y'，Z'不等于X，Y，Z

---

求解X'，Y'，Z'的一种方法是使用opencv函数，而不是查找单应性。您拥有三维空间中已知三角形角点的三维坐标，以及相应的像素坐标。使用相机的固有参数（K），您可以从真实世界的原点找到相机的旋转和平移。已知摄像机内部特性后，您可以计算X'，Y'，Z'

---

---

另一种方法是，至少创建3个3D点和相应的图像坐标。您可以使用线性方程解算器求解H，因此，我假设您希望将2D像素坐标映射到墙上的2D坐标。您只需要点对应（至少四个）。假设你知道墙上的一些点坐标，你知道这些点出现在你的图像上的像素坐标

您所要做的就是将这些点传递给一个现成的解决方案，例如，由Matlab提供，否则您将为Matlab找到一些东西

两者都返回单应性（3x3矩阵）。您可以使用它进一步变换坐标。OpenCV使用（实际上是一个简单的矩阵乘法，所以在Matlab中也不是什么大问题）为您实现这一点

通过定义辅助变量，可以使用多个三角形的点对应来解决单应问题，这些辅助变量解释了三角形（在真实世界的“墙坐标”中）是如何相对彼此旋转和平移的。然后利用非线性优化公式同时求解单应性系数和辅助变量

在本例中，每个三角形有

N=3

点对应。我已经为这个问题提供了一个解决方案，如果您至少有

3个
三角形，这个解决方案就会起作用

此外，您需要使用，但您声明已经使用了

详见。
我猜你指的是墙上的（2D）坐标，对吗？你想把图像的像素坐标映射到这些2D“墙”坐标。我说得对吗？如果我理解正确，3D是不可能的。是的，在墙的2d坐标上…我在墙上有三角形，如果假设左下角三角形在墙上为（0,0），那么我可以根据当前原点找到三角形的其他两个坐标。使用这个，我只能在墙上找到3个坐标位置。如何使用其他两个三角形的信息@gfkri但OpenCv中的findHomography不需要世界坐标，不是吗？它需要一个具有二维坐标的向量，为什么传递像素坐标和传递（例如厘米）会有差异@用户61455哦，你不知道三角形相对的位置？！嗯，让我考虑一下。我不确定这是否可能。