关于透视变换的匹配想法

[ershat-dl]

现在 匹配的场景是 相机和平面90度的， 有些场景可能不是直视的。如何相机和场景平面之间存在角度。
如果是这种场景 这匹配算法就不起作用了。

我目前想到的两种方案：
1. 标定相机，把平面透视校正
2. 放弃模板匹配，使用特征的匹配

关于这个问题 有什么解决方案 或 理论想法？

[DennisLiu1993]

工業方法用1.
opencv keyword: perspectiveTransform

[ershat-dl]

工業方法用1. opencv keyword: perspectiveTransform

这几天我研究了一下opencv的透视变换，不太成功， 这里总结一下：

1. 标定相机， 获得 相机内参和外参
2. 试图透视校正标定板所属的平面 （假设z=0）(失败)

第2步 选择四组点可以校正过来了， 但是这是不太适合实际应用。
halcon有一个算子 gen_image_to_world_plane_map , 然后使用 map_image 轻松的校正透视变形。
我试图实现这种效果，但失败了。
有什么好的建议和想法吗？

[DennisLiu1993]

2. 選擇>4點都可以校正 為何不適合實際應用？

在一個傾斜平面上偵測標定版上的點（得到世界座標mm), 在通過計算得到圖像上的對應點 (像素座標）即可將傾斜面轉換為平面

[DennisLiu1993]

2. 選擇>4點都可以校正 為何不適合實際應用？

在一個傾斜平面上偵測標定版上的點（得到世界座標mm), 在通過計算得到圖像上的對應點 (像素座標）即可將傾斜面轉換為平面

https://youtu.be/tqIDBd98QGI?t=58

[ershat-dl]

精度不如标定板。而且需要手动选择4点。
根据halcon的用法， 所需的平面只需标定一次， 获得相机的内参和外参，然后生成projective map, 这样就没必要每次都要warpPrespective.直接用remap 更快的。

[ershat-dl]

类似于旋转角度的处理， 我可以提前生成好很多可能的透视变形的模板图像， 然后循环匹配。 这样确实值得试一试。但是影响匹配时间

[DennisLiu1993]

精度不如标定板。而且需要手动选择4点。 根据halcon的用法， 所需的平面只需标定一次， 获得相机的内参和外参，然后生成projective map, 这样就没必要每次都要warpPrespective.直接用remap 更快的。

warpPerspective是可以轉換成remap的 可以查一下