[参考译文] TDA2X：SFM Cam PRM 文件

您好！

运动结构(SFM)是使用单个摄像机为场景中的各种特征点查找真实3D 坐标的技术。 立体/视差是另一种替代技术、但立体声使用两个摄像头、而 SFM 使用摄像头。 SFM 的局限性在于、与场景中移动的物体相比、它适用于静态区域。

SFM 将光流作为输入、可使用特征点检测和 Lukas Kanade 跟踪器计算光流。 EVE 上提供了光流实现、后者是 TDA2x/TDA3x 上的矢量计算引擎。 作为 SFM 模块、它期望提供光流、并且需要提供相机固有函数(K、通过所有帧的常数)和外部参数(P、3x4、随着汽车的移动而改变每个帧)以生成稀疏3D 点。 SFM 模块将给出场景中的一组3D 点位置及其对应的图像坐标。

现在、这些与相应图像坐标(整体称为3D 点云)关联的3D 点可用于各种 ADAS 应用。 例如、可借助生成的3D 点云找到各种物体的距离。

在当前版本中、我们假设摄像头外部参数来自 IMU、IMU 是通常安装在汽车上的传感器。 IMU 针对某些固定坐标原点提供汽车位置(平移和旋转)。 这个外部参数也被称为文献中的姿态。 为了了解外部参数(或姿态)、可以查看一些提供姿势信息以及捕获的图像的标准数据集以了解具体情况。

但是、可以通过计算机视觉算法(如"solvePnp"或" F 矩阵分解")计算姿态(或外部参数)。 这些查找姿势的方法在发布过程中不可用。 有许多著名的文献可用于了解移动摄像机的姿态。 如果您需要更多帮助、通过计算机视觉技术确定姿势的查找方式、请告知我们。 但是，我建议您首先浏览此 users.cecs.anu.edu.au/.../tutorial.pdf 教程以及先前的共享链接(docs.opencv.org/.../camera_calibration_and_3d_reconstruction.html) 。

在 SFM 中、需要进行标度校正、这是借助接地层实现的。 最后借助接地层和标度、使用校正点云(由 SFM 生成)来确定物体的距离。

SFM 用户指南(如下所述)可能对您有所帮助。 这些用户指南是 VISION-SDK 版本的一部分。

StructureFromMotion_DSP_UserGuide.pdf
2．GroundPlaneEstimation_DSP_UserGuide.pdf
ForwardCollisionWarning_DSP_UserGuide.pdf

有关利用点云和接地层信息查找距离的信息、请参见"ForwardCollisionWarningWarning_DSP_UserGuide.pdf"。

谢谢
Deepak Poddar