我用了一部华为荣耀 9 手机，没有标定内参和焦距，直接拍摄了一个园区场景：
采集了场地上几个点的经纬度坐标，并标记了它们在上图中的像素，然后把手机相机当作理想针孔相机模型，用 cv2.projectPoints 计算了世界坐标系下的点在图像上的重投影，发现误差几乎可以忽略：
用 mask r-cnn 检测图中车辆以后，根据 bounding box 和 mask 的信息用 scipy.optimize.minimize 函数估算了车辆的 3d 位姿 (大地 xy 坐标，与北方夹的偏航角)，结果如下图：
效果还不错。
现在流行用神经网络直接给出 3d 的位姿信息，我用的方法比较笨，调的 scipy 库。但是我想思想应该是一致的吧。我这个手机是快 3 年前买的，现在看来确实很符合理想针孔相机模型，畸变可以忽略。
注意这个方法不需要标定相机内参，任何手机拍一段视频都可以用来进行分析，前提只要标定场景中几个点的坐标。
Select Language