Opencv OpenGL透视矩阵的内部相机参数：远近参数？

我正在开发一个增强现实应用程序，将图形叠加到相机图像上。使用OpenCV姿态估计器，以及设备本身的固有相机参数，我能够生成一个非常好的OpenCV相机矩阵和OpenGL透视矩阵，从而产生合理的结果

然而，我的解决方案，以及我在本论坛和其他互联网位置上研究过的所有类似解决方案，只是对透视矩阵近距离和远距离参数使用了一些有点任意的值（通常为1.0和100）

但是，如果感兴趣的对象不是太近，这通常是正常的，但当对象接近视点时，它会变得更不准确，并且是失真的来源

实际上，随着这两个参数（近、远）的调整，透视图的消失点会发生变化

---

是否有人有更可靠的方法从可用数据中导出近距离和远距离参数？

近距离和远距离平面对透视图没有影响。它们仅更改前后剪裁平面的放置位置

通过查看一个典型的投影矩阵，您可以说服自己这是一种情况。使用定义：

• asp

  ：纵横比

• t2

  ：半视角的切线

• n

  ：近距离

• f

  ：远距离

然后，投影矩阵为：

    [ 1 / (asp * t2)  0       0                  0                   ]
P = [ 0               1 / t2  0                  0                   ]
    [ 0               0       (n + f) / (n - f)  2 * n * f / (n - f) ]
    [ 0               0       -1                 0                   ]

将其应用于向量可以得到：

    [ x ]   [ x / (asp * t2)                      ]
P * [ y ] = [ y / t2                              ]
    [ z ]   [ (z * (n + f) + 2 * n * f) / (n - f) ]
    [ 1 ]   [ -z                                  ]

透视分割后，向量为：

[ x / (-z * asp * t2)                  ]
[ y / (-z * t2)                        ]
[ -(n + f + (2 * n * f) / z) / (n - f) ]
[ 1                                    ]

---

如您所见，结果向量的

x

和

y

分量决定了顶点在窗口中的位置（或者更准确地说，在NDC空间中），它们不依赖于近距离和远距离的值。“近”和“远”值仅控制眼睛空间中z坐标到NDC空间中z（深度）值的映射。

近平面和远平面对透视图没有影响。它们仅更改前后剪裁平面的放置位置

通过查看一个典型的投影矩阵，您可以说服自己这是一种情况。使用定义：

• asp

  ：纵横比

• t2

  ：半视角的切线

• n

  ：近距离

• f

  ：远距离

然后，投影矩阵为：

    [ 1 / (asp * t2)  0       0                  0                   ]
P = [ 0               1 / t2  0                  0                   ]
    [ 0               0       (n + f) / (n - f)  2 * n * f / (n - f) ]
    [ 0               0       -1                 0                   ]

将其应用于向量可以得到：

    [ x ]   [ x / (asp * t2)                      ]
P * [ y ] = [ y / t2                              ]
    [ z ]   [ (z * (n + f) + 2 * n * f) / (n - f) ]
    [ 1 ]   [ -z                                  ]

透视分割后，向量为：

[ x / (-z * asp * t2)                  ]
[ y / (-z * t2)                        ]
[ -(n + f + (2 * n * f) / z) / (n - f) ]
[ 1                                    ]

---

如您所见，结果向量的

x

和

y

分量决定了顶点在窗口中的位置（或者更准确地说，在NDC空间中），它们不依赖于近距离和远距离的值。“近”和“远”值仅控制眼睛空间中z坐标到NDC空间中z（深度）值的映射。

从您在上面评论中发布的图像中可以看出，您的固有相机参数总体上不正确，尤其是您的视野不正确。有几种估计摄像机参数的数值方法。然而，随着复杂性的增加，它们的准确性会降低

如果您只想知道视野，可以通过创建一个具有3x3个均匀分布的小点场的目标来计算视野。目标应该足够大，可以在工作范围内填充大部分图像。如果你有一个小目标，你可以移动相机靠近，只要它仍然在焦点上。这些点应该相对较小，这样你就可以用手准确地估计中心的位置。如果你使用计算机程序估计它们的位置，应该使用较大的点

大多数圆点用于对齐。水平视野可以从中心水平线中最宽的空间点计算得出。垂直视野可以用类似的方式计算。应使用中心和角落中的点来确保相机图像平面居中且平行于目标。（如果很难使点与图像的行和列对齐，则可能需要更复杂的相机模型。）

设置目标后，即可计算水平视野

• 设Z=距离目标的距离，单位为米
• 设D=水平点之间的距离，单位为米
• 设w=图像的宽度（以像素为单位）
• 设x=以像素为单位的水平点之间的距离

那么

HFOV=2*arctan（（D*（w/x）/2）/Z）

类似的计算适用于垂直视野

早在90年代，我们就在DARPA无人地面车辆项目中使用了这种简单的方法来校准我们的摄像机，而且效果很好

---

希望这会有所帮助。

从您在上面评论中发布的图像中可以看出，您的固有相机参数总体上不正确，尤其是您的视野不正确。有几种估计摄像机参数的数值方法。然而，随着复杂性的增加，它们的准确性会降低

如果您只想知道视野，可以通过创建一个具有3x3个均匀分布的小点场的目标来计算视野。目标应该足够大，可以在工作范围内填充大部分图像。如果你有一个小目标，你可以移动相机靠近，只要它仍然在焦点上。这些点应该相对较小，这样你就可以用手准确地估计中心的位置。如果你使用计算机程序估计它们的位置，应该使用较大的点

大多数圆点用于对齐。水平视野可以从中心水平线中最宽的空间点计算得出。垂直视野可以用类似的方式计算。中间的点是a