在摄像机标定中，我们已经得到了摄像机矩阵，畸变系数等。有了这些
信息我们就可以估计图像中图案的姿势，比如目标对象是如何摆放，如
何旋转等。对一个平面对象来说，我们可以假设Z=0，这样问题就转化
成摄像机在空间中是如何摆放（然后拍摄）的。所以，如果我们知道对
象在空间中的姿势，我们就可以在图像中绘制一些2D 的线条来产生 3D
的效果。
首先我们要加载前面结果中摄像机矩阵和畸变系数。
import cv2
import numpy as np
import glob
with np.load('B.npz') as X:
mtx, dist, _, _= [X[i] for i in ('mtx','dist','rvecs','tvecs')]
现在我们来创建一个函数： draw，它的参数有棋盘上的角点（使用
cv2.findChessboardCorners() 得到）和要绘制的 3D 坐标轴上的点。
def draw(img, corners, imgpts):
corner= tuple(corners[0].ravel())
img= cv2.line(img, corner, tuple(imgpts[0].ravel()), (255,0,0), 5)
img= cv2.line(img, corner, tuple(imgpts[1].ravel()), (0,255,0), 5)
img= cv2.line(img, corner, tuple(imgpts[2].ravel()), (0,0,255), 5)
return img
和前面一样，我们要设置终止条件，对象点（棋盘上的 3D 角点）和坐标轴点。
3D 空间中的坐标轴点是为了绘制坐标轴。我们绘制的坐标轴的长度为3。所以
X 轴从（0,0,0）绘制到（3,0,0）， Y 轴也是。 Z 轴从（0,0,0）绘制到（0,0,-3）。
负值表示它是朝着（垂直于）摄像机方向。
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
objp = np.zeros((6*7,3), np.float32)
objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2)
axis = np.float32([[3,0,0], [0,3,0], [0,0,-3]]).reshape(-1,3)
我们在图像平面上找到了与 3D 空间中的点（3,0,0）,(0,3,0),(0,0,3) 相对应的点。
然后我们就可以使用我们的函数 draw() 从图像上的第一个角点开始绘制连接这些
点的直线了。
for fname in glob.glob('img.jpg'):
img = cv2.imread(fname)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (7,6),None)
if ret == True:
corners2 = cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)
rvecs, tvecs, inliers = cv2.solvePnPRansac(objp, corners2, mtx, dist)
imgpts, jac = cv2.projectPoints(axis, rvecs, tvecs, mtx, dist)
img = draw(img,corners2,imgpts)
cv2.imshow('img',img)
k = cv2.waitKey(0) & 0xff
if k == 's':
cv2.imwrite(fname[:6]+'.png', img)
cv2.destroyAllWindows()
如图：
网友评论