快捷導(dǎo)航

python 三邊測(cè)量定位的實(shí)現(xiàn)代碼

更新時(shí)間：2021年04月22日 12:22:23 作者：Answerman33

這篇文章主要介紹了python 三邊測(cè)量定位的實(shí)現(xiàn)代碼，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

定位原理很簡(jiǎn)單，故不贅述，直接上源碼，內(nèi)附注釋。（如果對(duì)您的學(xué)習(xí)有所幫助，還請(qǐng)幫忙點(diǎn)個(gè)贊，謝謝了）

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed May 16 10:50:29 2018
@author: dag
"""
import sympy
import numpy as np
import math
from matplotlib.pyplot import plot
from matplotlib.pyplot import show
import matplotlib.pyplot as plt
import matplotlib
#解決無(wú)法顯示中文問(wèn)題，fname是加載字體路徑，根據(jù)自身pc實(shí)際確定，具體請(qǐng)百度
zhfont1 = matplotlib.font_manager.FontProperties(fname='/System/Library/Fonts/Hiragino Sans GB W3.ttc')
 
#隨機(jī)產(chǎn)生3個(gè)參考節(jié)點(diǎn)坐標(biāo)
maxy = 1000
maxx = 1000
cx = maxx*np.random.rand(3)
cy = maxy*np.random.rand(3)
dot1 = plot(cx,cy,'k^')
 
#生成盲節(jié)點(diǎn)，以及其與參考節(jié)點(diǎn)歐式距離
mtx = maxx*np.random.rand()
mty = maxy*np.random.rand()
plt.hold('on')
dot2 = plot(mtx,mty,'go')
da = math.sqrt(np.square(mtx-cx[0])+np.square(mty-cy[0]))
db = math.sqrt(np.square(mtx-cx[1])+np.square(mty-cy[1])) 
dc = math.sqrt(np.square(mtx-cx[2])+np.square(mty-cy[2]))
 
#計(jì)算定位坐標(biāo)  
def triposition(xa,ya,da,xb,yb,db,xc,yc,dc): 
    x,y = sympy.symbols('x y')
    f1 = 2*x*(xa-xc)+np.square(xc)-np.square(xa)+2*y*(ya-yc)+np.square(yc)-np.square(ya)-(np.square(dc)-np.square(da))
    f2 = 2*x*(xb-xc)+np.square(xc)-np.square(xb)+2*y*(yb-yc)+np.square(yc)-np.square(yb)-(np.square(dc)-np.square(db))
    result = sympy.solve([f1,f2],[x,y])
    locx,locy = result[x],result[y]
    return [locx,locy]
    
#解算得到定位節(jié)點(diǎn)坐標(biāo)
[locx,locy] = triposition(cx[0],cy[0],da,cx[1],cy[1],db,cx[2],cy[2],dc)
plt.hold('on')
dot3 = plot(locx,locy,'r*')
 
#顯示腳注
x = [[locx,cx[0]],[locx,cx[1]],[locx,cx[2]]]
y = [[locy,cy[0]],[locy,cy[1]],[locy,cy[2]]]
for i in range(len(x)):
    plt.plot(x[i],y[i],linestyle = '--',color ='g' )
plt.title('三邊測(cè)量法的定位',fontproperties=zhfont1)  
plt.legend(['參考節(jié)點(diǎn)','盲節(jié)點(diǎn)','定位節(jié)點(diǎn)'], loc='lower right',prop=zhfont1)
show() 
derror = math.sqrt(np.square(locx-mtx) + np.square(locy-mty)) 
print(derror)

輸出效果圖：

補(bǔ)充：python opencv實(shí)現(xiàn)三角測(cè)量（triangulation）

看代碼吧~

import cv2
import numpy as np
import scipy.io as scio
if __name__ == '__main__':
    print("main function.")
    #驗(yàn)證點(diǎn)
    point = np.array([1.0 ,2.0, 3.0])
    #獲取相機(jī)參數(shù)
    cams_data = scio.loadmat('/data1/dy/SuperSMPL/data/AMAfMvS_Dataset/cameras_I_crane.mat')
    Pmats = cams_data['Pmats']  # Pmats(8, 3, 4) 投影矩陣 
    P1 = Pmats[0,::]
    P3 = Pmats[2,::]
    #通過(guò)投影矩陣將點(diǎn)從世界坐標(biāo)投到像素坐標(biāo)
    pj1 = np.dot(P1, np.vstack([point.reshape(3,1),np.array([1])]))
    pj3 = np.dot(P3, np.vstack([point.reshape(3,1),np.array([1])]))
    point1 = pj1[:2,:]/pj1[2,:]#兩行一列，齊次坐標(biāo)轉(zhuǎn)化
    point3 = pj3[:2,:]/pj3[2,:]
    #利用投影矩陣以及對(duì)應(yīng)像素點(diǎn)，進(jìn)行三角測(cè)量
    points = cv2.triangulatePoints(P1,P3,point1,point3)
    #齊次坐標(biāo)轉(zhuǎn)化并輸出
    print(points[0:3,:]/points[3,:])

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章: