[2018年最新整理]图像处理之逆透视变换.pptVIP

图像处理之逆透视变换 ——智能车背景理论知识 系列专题讲座之一 目录 第零章 前言 第一章 基础知识 第二章 基本线性变换 第三章 智能车摄像头透视变换阵 第四章 不可逆与信息丢失 第五章 逆透视变换阵的求解与应用 第六章 用逆透视变换阵处理图形 附 线性变换阵在空间定位中的应用 第零章 前言 本文以智能车摄像头图像处理为背景 解决了根据图像信息逆透视变换得到赛道信息的问题 以线性变换阵作为理论基础给出了矩阵变换公式 第一章 基础知识 点的表示 向量的表示 线性变换 线性变换的表示 点的表示 三维空间中的点用1×4的矩阵表示： (x, y, z, 1) 一般的： (x, y, z, w) 与 (x/w, y/w, z/w, 1) 表示同一点 其中 w==1 为标准型 向量的表示 三维空间中的向量用1×4的矩阵表示： (x, y, z, 0) 最后一位不得非零，否则表示点 点与向量之间的运算 向量±向量=向量 点±向量=点 点±点±点=点 线性变换 变换即映射，记为： 满足如下两个条件的变换为线性变换 或简记为： 四维向量空间 三维点由1×4的矩阵表示 三维向量由1×4的矩阵表示 1×4的矩阵构成四维向量空间 四维向量空间中线性变换的表示 对于三维空间中的点和向量，都由四维向量表示 四维向量空间中线性变换可由四阶方阵表示 四维向量空间中线性变换的表示 若将四维向量看成行向量，则线性变换可表示成对四维向量右乘变换阵的形式： A是线性变换阵，前者表示三维点，后者表示三维向量 乘法按照矩阵相乘的计算法则计算 线性变换的表示 也可将四维向量看成列向量，此时线性变换可表示为左乘线性变换阵 相应的变换阵转置 第二章基本线性变换 恒等变换 变换阵分区 平移变换 缩放变换 旋转变换 切变变换 投影变换 平行投影变换 透视投影变换 组合变换 逆变换 恒等变换 任意三维点与向量乘以单位阵后不变 变换阵分区 平移变换 平移变换只对点有效，对向量无效 缩放变换 主对角线前三维能分别缩放某个维度 第四维整体缩放所有维度 旋转变换 二维旋转变换： 已知点 求该点绕原点逆时针旋转θ后的坐标 二维旋转变换 推广到三维旋转变换 沿Z轴正方向旋转的旋转变换阵 （旋转方向用右手法则确定） 各个方向的旋转变换阵 切变变换 在第x列y行（第一列第二行）放一个系数k 点的y、z坐标不变，x坐标增加 y越大，x增加得越多 正方形被拉伸为梯形 投影变换 平行投影变换（Z方向） 投影变换 透视投影变换 空间中任意一点与(-d,0,0)点的连线与Y,Z平面的交点 投影变换 (-d,0,0)为投影点，Y,Z平面为投影面 同理，以(0,-d,0)为投影点，X,Z平面为投影面的变换阵，以(0,0,-d)为投影点，X,Y平面为投影平面的透视变换阵分变为： 组合变换 将两个或以上基本变换阵相乘，得到组合变换阵 相乘的顺序表示基本变换执行的顺序 逆变换 变换阵的逆矩阵表示其对应变换的逆变换 第三章 智能车摄像头透视变换阵 坐标系 坐标变换 坐标变换阵 透视变换阵 坐标系 世界坐标系（W） 在地面选取两个垂直的方向为X,Y轴 竖直向上为Z轴 智能车坐标系（C） 正右方为X轴 前进方向为Y轴 竖直向上为Z轴 摄像头坐标系（G） 视线方向为Z轴负方向 正右方为X轴 正上方为Y轴 坐标变换 将摄像头坐标与智能车坐标重合（摄像头质心置于智能车质心处并向下看） 将摄像头向上平移一个高度h 摄像头沿X轴旋转一个仰角 摄像头沿着Z轴方向透视 如此可由智能车坐标得摄像头坐标 坐标变换 将摄像头固定，上述过程可等价为： 智能车以及赛道向下平移一个高度h 智能车以及赛道沿X负方向旋转一个仰角 智能车以及赛道沿着摄像头Z轴方向透视 坐标变换阵 向下平移（h为平移高度） 坐标变换阵 沿X轴负方向旋转 坐标变换阵 沿Z轴方向透视变换 透视变换阵 将上述三者相乘即可得到透视变换阵 第四章 不可逆与信息丢失 透视变换阵不可逆 不可逆的意义 透视变换阵不可逆 上一章得到的透视变换阵第三列为零 则其可表示为其他三列的线性组合 故该矩阵的不满秩 故该矩阵不可逆 透视变换阵不可逆 该矩阵在计算时的一个因子已经是奇异的了 这个奇异性导致相乘后的矩阵也是奇异的 归根结底在于投影变换将三维空间的点映射到二维空间，信息丢失。 不同的点可能映射到相同的点，故无法求出其逆变换 不可逆的意义 从映射关系上看，不可逆是因为不是一一映射，不同的值映射到相同的象 从信息的角度看，变换时有部分信息丢失，所以无法还原 从空间的角度看，三维空间变为二维空间，丢失了一个维度 从矩阵的角度看，矩阵奇异，第三列的代数余子式为零，不存在逆矩阵。 第五章 逆透视变换阵的求解与应用 补充信息使透视变换阵可逆 求逆矩阵 补充信息的几何意义 逆透视变