我正在为车辆应用开发一些计算机视觉算法。 我遇到了问题，我们将不胜感激。
假设我们在车辆上安装了一个校准过的摄像头，它可以捕捉到车辆前方道路的画面： Initial frame
我们应用第一个过滤器以仅保留道路标记并返回二值图像： Filtered image
一旦道路车道被分开，我们可以用线性表达式来近似车道并检测消失点： Objective
但我要恢复的是图像中的法线 n 方程，而没有任何关于旋转矩阵和平移向量的先验知识。不过，我假设 L1、L2 和 L3 位于同一平面上。
在 3D 空间中，问题非常简单。在 2D 图像平面中，由于相机投影变换不会保持角度属性更复杂。我无法找到计算法线方程的方法。
你知道如何计算法线吗？
谢谢， 下午
【问题讨论】：
标签： camera computer-vision vision
不行，您至少需要两个独立的消失点（即，消失点代表两条不同平行线铅笔在无穷远处的点的图像）。
如果你有它们，答案很简单：用齐次坐标表示所述消失点的图像位置。然后它们的叉积等于（按比例缩放）铅笔定义的 3D 平面的法线向量，在相机坐标中分解。
【讨论】：
正如其他人所说，您的信息不充分。如果您的数据来自视频，获取道路地平面的常用方法是拍摄两个或更多图像，计算相关的单应性矩阵，然后将单应性矩阵分解为表面法线和相对相机运动。您可以使用 OpenCV 的 decomposeHomographyMatmethod 进行分解。您可以通过使用 OpenCV 的 findHomography 方法关联四个或更多点对应来计算单应性。如果很难确定这些对应关系，也可以通过点和线对应关系paper 的组合来确定，但这在 OpenCV 中没有实现。
【讨论】：
您提供的示例中没有足够的信息。
如果您想知道“哪条路向上”，您可以做的一件事是检测地平线上的线。如果 K 是校准矩阵，则 K^Tl 将为您提供相对于相机的 3D 平面法线。 （将图像中的直线 l 通过投影中心反向投影到平面 E 的一般方程为 E=P^Tl，具有 3x4 投影矩阵 P）
一个更好的选择可能是建立一个单应性来纠正接地平面。但是，要做到这一点，您至少需要四个具有已知坐标的非共线点 - 或四条线，其中三条线不得平行。
【讨论】：