Как понять углы оценки позы головы в Python с OpenCV? - PullRequest
Новая
       111

Как понять углы оценки позы головы в Python с OpenCV?

0 голосов
/ 11 января 2019

Я работаю над учебником по оценке позы Python и OpenCV, найденным здесь:

https://www.learnopencv.com/head-pose-estimation-using-opencv-and-dlib/

Я могу точно проецировать 3D-точку на 2D-изображение. Однако я не могу понять практический смысл углов Эйлера (рыскание, шаг, крен), которые я вычисляю, используя cv2.decomposeProjectionMatrix

Мне нужно знать, соответствуют ли значения (рыскание, тангаж, крен) или (крен, тангаж, рыскание) и т. Д. Кроме того, мне нужно понять используемую ориентацию оси, чтобы я мог знать, где градусы вращения измеряется от.

Выходное изображение : https://www.learnopencv.com/wp-content/uploads/2016/09/head-pose-example-1024x576.jpg

Выходные углы : [[-179.30011146], [ 53.77756583], [-176.6277211 ]]

Вот мой код 

# --- Imports ---
import cv2
import numpy as np
# --- Main ---
if __name__ == "__main__":

    # Read Image
    im = cv2.imread("headPose.jpg");
    size = im.shape

    #2D image points. If you change the image, you need to change vector
    image_points = np.array([
                                (359, 391),     # Nose tip
                                (399, 561),     # Chin
                                (337, 297),     # Left eye left corner
                                (513, 301),     # Right eye right corne
                                (345, 465),     # Left Mouth corner
                                (453, 469)      # Right mouth corner
                            ], dtype="double")

    # 3D model points.
    model_points = np.array([
                                (0.0, 0.0, 0.0),             # Nose tip
                                (0.0, -330.0, -65.0),        # Chin
                                (-225.0, 170.0, -135.0),     # Left eye left corner
                                (225.0, 170.0, -135.0),      # Right eye right corne
                                (-150.0, -150.0, -125.0),    # Left Mouth corner
                                (150.0, -150.0, -125.0)      # Right mouth corner
                            ])

    # Camera internals
    focal_length = size[1]
    center = (size[1]/2, size[0]/2)
    camera_matrix = np.array(
                             [[focal_length, 0, center[0]],
                             [0, focal_length, center[1]],
                             [0, 0, 1]], dtype = "double"
                             )

    # Lens distortion - assumed to be zero
    dist_coeffs = np.zeros((4,1)) 

    # Calculate perspective and point
    (_, rvec, tvec) = cv2.solvePnP(model_points, image_points, camera_matrix, dist_coeffs, flags=cv2.SOLVEPNP_ITERATIVE)

    # Calculate Euler angles
    rmat = cv2.Rodrigues(rvec)[0] # rotation matrix
    pmat = np.hstack((rmat, tvec)) # projection matrix
    eulers = cv2.decomposeProjectionMatrix(pmat)[-1]
    print(eulers)

    # Projecting a 3D point
    ## features
    for p in image_points:
        cv2.circle(im, (int(p[0]), int(p[1])), 3, (0,0,255), -1)

    ## projection of multiple points
    proj = np.array([(0., 0., 1000.)])
    (poi1, jacobian1) = cv2.projectPoints(model_points[0]+proj, rvec, tvec, camera_matrix, dist_coeffs)

    ## 2D space    
    p1 = ( int(image_points[0][0]), int(image_points[0][1]))
    c1 =  ( int(poi1[0][0][0]), int(poi1[0][0][1]))

    cv2.line(im, p1, c1, (255,0,0), 2)

    # Display image
    cv2.imshow("Output", im)
    cv2.waitKey(0)

Тестовое изображение : https://www.learnopencv.com/wp-content/uploads/2016/09/headPose.jpg

Спасибо!

...