跳到主要内容

D435i apriltag Pose Estimation

使用 apriltag 标签进行姿态估计​

apriltag 检测

成功检测 apriltag 后，参照 #pose-estimation 中的方法，可以使用 apriltag 提供的 estimate_tag_pose 方法进行姿态估计，也可以使用 OpenCV 的 PnP 求解器，两种方法都需要获得相机的内参

获取 D435i 相机内参​

根据 PnP 求解器的接口

bool solvePnP( InputArray objectPoints, InputArray imagePoints,
                            InputArray cameraMatrix, InputArray distCoeffs,
                            OutputArray rvec, OutputArray tvec,
                            bool useExtrinsicGuess = false, int flags = SOLVEPNP_ITERATIVE );

我们需要获得相机的内参矩阵 cameraMatrix 以及畸变参数 distCoeffs

相机的内参矩阵可以表示为

(fx0cx0fycy001)\begin{pmatrix} f_x & 0 & c_x \\\\ 0 & f_y & c_y \\\\ 0 & 0 & 1 \\\\ \end{pmatrix}

畸变参数 k1，k2，k3，p1，p2 分别为径向和切向畸变系数，可以用一个 1x5 的矩阵表示

一般来说这两个参数需要通过相机标定来获得，但是 realsense 给出了接口来获取不同分辨率参数下的不同相机参数

参照 Projection in RealSense SDK 2.0 #intrinsic-camera-parameters 可以获得相机的 fx，fy，ppx(cx)，ppy(cy) 以及畸变参数 coeffs

获取相关的参数后，需要将其转换为 cv::Mat 的格式，作为 PnP 求解器的输入参数

rs2_intrinsics intrinsics = pipeProfile.get_stream(RS2_STREAM_COLOR).as<rs2::video_stream_profile>().get_intrinsics();
//读取相机内参和畸变矩阵
float fx = static_cast<float>(intrinsics.fx);
float fy = static_cast<float>(intrinsics.fy);
float cx = static_cast<float>(intrinsics.ppx);
float cy = static_cast<float>(intrinsics.ppy);

cv::Mat camera_matrix = (cv::Mat_<float>(3, 3) <<   fx, 0,  cx,
                                                                                                        0,  fy, cy,
                                                                                                        0,  0,  1);

// intrinsics.coeffs[0~4] == 0
cv::Mat distortion_coeffs = (cv::Mat_<float>(1, 5) << 0, 0, 0, 0, 0);
  • intrinsics.coeffs 是一个长度为5的数组，测试后发现里面的数据都是 0

获取相机内参之后就可以使用求解器进行姿态估计了

姿态估计​

使用 PnP 求解

cv::Mat rvec = cv::Mat::zeros(3, 3, CV_64FC1);
cv::Mat tvec = cv::Mat::zeros(3, 1, CV_64FC1);

vector<cv::Point3f> object_point;
vector<cv::Point2f> image_point;

const float tag_size = 100; // mm apriltag 的尺寸

object_point.clear();
object_point.push_back(cv::Point3f(-tag_size / 2, -tag_size / 2, 0));
object_point.push_back(cv::Point3f(tag_size / 2, -tag_size / 2, 0));
object_point.push_back(cv::Point3f(tag_size / 2, tag_size / 2, 0));
object_point.push_back(cv::Point3f(-tag_size / 2, tag_size / 2, 0));

apriltag_detection_t *det; // apriltag 的检测结果

image_point.clear();
image_point.push_back(cv::Point2d(det->p[0][0], det->p[0][1]));
image_point.push_back(cv::Point2d(det->p[1][0], det->p[1][1]));
image_point.push_back(cv::Point2d(det->p[2][0], det->p[2][1]));
image_point.push_back(cv::Point2d(det->p[3][0], det->p[3][1]));

cv::solvePnP(object_point, image_point, camera_matrix, distortion_coeffs, rvec, tvec, cv::SOLVEPNP_IPPE_SQUARE);

通过求解器就得到了能将世界坐标系下的点转换至图像坐标的旋转向量 rvec 以及平移向量 tvec

求解结果

参考​