【视觉】舱内视觉

舱内视觉第一章 人脸关键点检测文章目录舱内视觉人脸关键点坐标转化为3D坐标一、相机的内参矩阵和畸变系数二、通用人脸库三、相机的外参人脸关键点坐标转化为3D坐标一、相机的内参矩阵和畸变系数相机的焦距（fx, fy）和光心坐标（cx, cy）畸变系数 (coef)：这是一个包含 5 个元素的向量（k1, k2, p1, p2, k3），用来描述镜头的径向畸变和切向畸变。二、通用人脸库GitHub 开源项目：在 GitHub 上搜索关键词 “3D Generic Face Model 68 points”、“BFM 68 landmarks” 或 “FacePose 3D model points”，会发现大量的人脸姿态估计（Head Pose Estimation）或 3D 人脸重建项目中都包含了几乎一模一样的坐标数组。数据来源：BFM 模型是由瑞士巴塞尔大学（University of Basel）通过分析大量真实人脸的 3D 扫描数据，统计得出的一个“平均人脸”的 3D 网格。本次代码中使用的是BFM 68 landmarks的68个关键点点分布逻辑：本代码里的 cv::Point3f 坐标，就是这个平均人脸在特定部位（那 68 个关键点）的三维空间位，代码中前 17 个点是下颌轮廓，接着是左右眉毛（各 5 个点）、鼻子（9 个点）、左右眼睛（各 6 个点）以及嘴巴（内外唇共 20 个点）三、相机的外参3.1 旋转矩阵3.1.1. 数学上展开假设偏航角为 ψ(Yaw)，俯仰角为θ(Pitch)，翻滚角为ϕ(Roll)，矩阵中的每一个值 R(i,j) 如下：第一行（描述新坐标系的 X 轴方向）• R(0,0) = cos⁡ψ⋅cos⁡θ• R(0,1) = cos