Python 为什么透视相机会翻转轴?

Python 为什么透视相机会翻转轴?,python,numpy,opencv,computer-vision,Python,Numpy,Opencv,Computer Vision,我试图用Python实现一个简单的透视相机,它有一个右手坐标系,+x轴是右边的,+y轴是向上的,+z轴不在屏幕上 我有一些代码可以将点从3D世界坐标投影到2D图像坐标。为了测试它,我尝试沿+X、+Y和+Z轴投影三个单位向量并渲染它们,但当我这样做时,所有的点都显示为“在摄影机后面”,正如我期望看到的那样: 当我取消注释线l=-l时,所有显示的轴都会翻转,当我围绕指向的原点旋转相机时,它们看不到在正确的平面上旋转 这是我显示问题的代码。有什么我不明白的吗 import numpy as np

我试图用Python实现一个简单的透视相机,它有一个右手坐标系,+x轴是右边的,+y轴是向上的,+z轴不在屏幕上

我有一些代码可以将点从3D世界坐标投影到2D图像坐标。为了测试它,我尝试沿+X、+Y和+Z轴投影三个单位向量并渲染它们,但当我这样做时,所有的点都显示为“在摄影机后面”,正如我期望看到的那样:

当我取消注释线
l=-l
时,所有显示的轴都会翻转,当我围绕指向的原点旋转相机时,它们看不到在正确的平面上旋转

这是我显示问题的代码。有什么我不明白的吗

import numpy as np
import cv2

def compute_focal(angle, dimension):
    return dimension / 2.0 / np.tan( np.radians(angle) / .2)

# Positive camera at c looking at p with up=u http://ksimek.github.io/2012/08/22/extrinsic/
def lookat(c, p, u):
    l = p - c
    l = l / np.linalg.norm(l)
    s = np.cross(l, u)
    s = s / np.linalg.norm(s)
    u = np.cross(s, l)

    # uncomment this and the axis will appear by are all flipped
    # l = -l

    R = np.vstack( (s, u, -l))
    Rc = R.T
    return Rc

# project 3D point into camera define by projection matrix
def projectPoint(P, point):
    xw, yw, zw = point
    W = np.array([ [xw, yw, zw, 1] ]).T
    xi, yi, zi = P.dot(W).flatten()

    if zi < 0.0:
        print("point {},{},{} is behind the camera!".format(xi, yi, zi))

    xi = int(xi + 0.5)
    yi = int(yi + 0.5)
    return xi, yi

theta = 0

while True:
    # used to rotate the camera around the y-axis looking at origin
    theta += 1

    w  = h  = 500
    fx = fy = compute_focal(w, 45.)
    cx = w / 2.
    cy = h / 2.

    K = np.array([ [fx, 0., cx], [0., fy, cy], [0., 0., 1.] ], dtype='float32')

    # position of the camera in world coordintes 1-unit from the origin rotating around the y-axis looking at the origin
    C = np.array([ np.sin(np.radians(theta)), 0, np.cos(np.radians(theta)) ])
    # pointing towards the origin
    P = np.array([ 0.0, 0.0, 0.0 ])
    # up direction is along the positive y-axis
    U = np.array([ 0, 1, 0 ])
    Rc = lookat(C, P, U)

    img = np.zeros((h, w, 3), dtype='uint8')

    # create the projection matrix from camera position
    R = Rc.T
    t = R.dot( -np.reshape(C, (3, 1)) )
    P = K.dot(np.hstack([R, t]))

    # draw and project positive principle axes
    x0, y0 = projectPoint(P, (0, 0, 0))
    x1, y1 = projectPoint(P, (1, 0, 0))
    x2, y2 = projectPoint(P, (0, 1, 0))
    x3, y3 = projectPoint(P, (0, 0, 1))

    # x-axis red
    cv2.line(img, (x0, y0), (x1, y1), [0, 0, 255], 1)
    # y-axis green
    cv2.line(img, (x0, y0), (x2, y2), [0, 255, 0], 1)
    # z-axis blue
    cv2.line(img, (x0, y0), (x3, y3), [255, 0, 0], 1)

    # flip image because opencv images have origin in top left
    img = np.flipud(img)

    cv2.imshow("camera", img)
    cv2.waitKey(1)
将numpy导入为np
进口cv2
def计算焦距(角度、尺寸):
返回尺寸/2.0/np.tan(np.弧度(角度)/.2)
#正相机在c处,向上看p=uhttp://ksimek.github.io/2012/08/22/extrinsic/
def注视(c、p、u):
l=p-c
l=l/np.线性范数(l)
s=np.交叉(l,u)
s=s/np.linalg.norm(s)
u=横截面(s,l)
#取消对此的注释,轴将显示为全部翻转
#l=-l
R=np.vstack((s,u,-l))
Rc=R.T
返回Rc
#将三维点投影到由投影矩阵定义的摄影机中
def项目点(P,点):
xw,yw,zw=点
W=np.array([[xw,yw,zw,1]]).T
席,易,Z= P.DOT(W).平坦()
如果zi<0.0:
打印(“点{},{},{}在相机后面!”。格式(xi,yi,zi))
席= int(席+ 0.5)
yi=int(yi+0.5)
归席
θ=0
尽管如此:
#用于围绕y轴旋转摄影机,查看原点
θ+=1
w=h=500
fx=fy=compute_focal(w,45.)
cx=w/2。
cy=h/2。
K=np.array([[fx,0,cx],[0,fy,cy],[0,0,1.]],dtype='float32')
#摄像机在世界坐标系中的位置,距离原点1个单位,绕y轴旋转,观察原点
C=np.数组([np.sin(np.弧度(θ)),0,np.cos(np.弧度(θ)))
#指向原点
P=np.数组([0.0,0.0,0.0])
#向上方向沿正y轴
U=np.array([0,1,0])
Rc=注视(C,P,U)
img=np.zero((h,w,3),dtype='uint8')
#从摄影机位置创建投影矩阵
R=Rc.T
t=R.dot(-np.重塑(C,(3,1)))
P=K.dot(np.hstack([R,t]))
#绘制并投影正主轴
x0,y0=投影点(P,(0,0,0))
x1,y1=投影点(P,(1,0,0))
x2,y2=投影点(P,(0,1,0))
x3,y3=投影点(P,(0,0,1))
#x轴红色
cv2.线(img,(x0,y0),(x1,y1),[0,0255],1)
#y轴绿色
cv2.线(img,(x0,y0),(x2,y2),[0255,0],1)
#z轴蓝色
cv2.线(img,(x0,y0),(x3,y3),[255,0,0],1)
#翻转图像,因为opencv图像的原点位于左上角
img=np.flipud(img)
cv2.imshow(“摄像机”,img)
cv2.等待键(1)

如果我将intrinsics矩阵改为:

 K = np.array([
            [fx, 0., -cx],
            [0., fy, -cy],
            [0., 0., -1.]
        ], dtype='float32')

这些条目被否定。我不知道为什么,但我在一些示例代码中看到了它,并尝试了它,虽然它非常不直观,但它仍然有效

如果我将intrinsics矩阵改为:

 K = np.array([
            [fx, 0., -cx],
            [0., fy, -cy],
            [0., 0., -1.]
        ], dtype='float32')

这些条目被否定。我不知道为什么,但我在一些示例代码中看到了它,并尝试了它,虽然它非常不直观,但它仍然有效

是因为z轴不在屏幕上吗?因此,以openGL为例,假设相机在-z方向上观看,afaikBut不是右手坐标系?右手坐标系很好,但这意味着相机正在观看“后退”,因此可见对象在本地相机系统中具有负z坐标。但是:如果使用openCV函数进行三维重建(可能是投影)坐标系是不同的:x到右边,y到底部,z到深度。这是因为它们希望保持与图像相同的y方向(原点=左上,+y向下)请看一下opencv cam模型:这是因为z轴不在屏幕上吗?正因为如此,例如openGL假设相机朝-z方向看,afaikBut不是右手坐标系?右手坐标系很好,但这意味着相机正在观看“后退”,因此可见对象在局部相机系统中具有负z坐标。但是:如果您使用openCV函数进行三维重建(可能是投影),坐标系不同:x到右侧,y到底部,z到深度。这是因为它们希望与图像保持相同的y方向(原点=左上,+y向下).请在此处查看opencv cam模型: