-
Notifications
You must be signed in to change notification settings - Fork 14
/
Copy pathcvxpnpl.py
627 lines (515 loc) · 33.2 KB
/
cvxpnpl.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
from typing import cast, List, Tuple
import warnings
import numpy as np
from packaging import version
from scipy.sparse import csc_matrix
import scs
__version__ = "1.1.0"
# preserve support for SCS 2.x.x and 3.x.x
if version.parse(scs.__version__) < version.parse("3.0.0"):
_CONES = {"f": 22, "l": 0, "q": [], "ep": 0, "s": [10]} # cones
_scs_kwarg_map = dict(eps="eps", max_iters="max_iters", verbose="verbose")
else:
_CONES = {"z": 22, "l": 0, "q": [], "ep": 0, "s": [10]} # cones
_scs_kwarg_map = dict(eps="eps_abs", max_iters="max_iters", verbose="verbose")
def _point_constraints(
pts_2d: np.ndarray, pts_3d: np.ndarray, K: np.ndarray
) -> Tuple[
Tuple[np.ndarray, np.ndarray, np.ndarray], Tuple[np.ndarray, np.ndarray, np.ndarray]
]:
"""Build point constraints from 2D-3D correspondences.
Arguments:
pts_2d -- n x 2 np.array of 2D pixels
pts_3d -- n x 3 np.array of 3D points
K -- 3 x 3 np.array with the camera intrinsics
"""
n = len(pts_3d)
zeros = np.zeros(n)
# Expand arguments
# points in 2D
px, py, pz = np.linalg.solve(K, np.vstack((pts_2d.T, np.ones(n))))
# points in 3D
Px, Py, Pz = pts_3d.T
# Point Constraints
Pxpx = Px * px
Pxpy = Px * py
Pxpz = Px * pz
Pypx = Py * px
Pypy = Py * py
Pypz = Py * pz
Pzpx = Pz * px
Pzpy = Pz * py
Pzpz = Pz * pz
c11 = zeros
c12 = -Pxpz
c13 = Pxpy
c14 = zeros
c15 = -Pypz
c16 = Pypy
c17 = zeros
c18 = -Pzpz
c19 = Pzpy
c21 = Pxpz
c22 = zeros
c23 = -Pxpx
c24 = Pypz
c25 = zeros
c26 = -Pypx
c27 = Pzpz
c28 = zeros
c29 = -Pzpx
c31 = -Pxpy
c32 = Pxpx
c33 = zeros
c34 = -Pypy
c35 = Pypx
c36 = zeros
c37 = -Pzpy
c38 = Pzpx
c39 = zeros
n11 = zeros
n12 = -pz
n13 = py
n21 = pz
n22 = zeros
n23 = -px
n31 = -py
n32 = px
n33 = zeros
## Compose block matrices for the equation system
c1 = np.stack((c11, c12, c13, c14, c15, c16, c17, c18, c19), axis=1)
c2 = np.stack((c21, c22, c23, c24, c25, c26, c27, c28, c29), axis=1)
c3 = np.stack((c31, c32, c33, c34, c35, c36, c37, c38, c39), axis=1)
n1 = np.stack((n11, n12, n13), axis=1)
n2 = np.stack((n21, n22, n23), axis=1)
n3 = np.stack((n31, n32, n33), axis=1)
return (c1, c2, c3), (n1, n2, n3)
def _line_constraints(
line_2d: np.ndarray, line_3d: np.ndarray, K: np.ndarray
) -> Tuple[np.ndarray, np.ndarray]:
"""Build line constraints from 2D-3D correspondences.
Arguments:
line_2d -- n x 2 x 2 np.array organized as (line, pt, dim). Each line is defined
by sampling 2 points from it. Each point is a pixel in 2D.
line_3d -- A n x 2 x 3 np.array organized as (line, pt, dim). Each line is defined
by 2 points. The points reside in 3D.
K -- 3 x 3 np.array with the camera intrinsics.
"""
n = len(line_2d)
# line in 2D
# has two sampled points.
line_2d_c = np.linalg.solve(
K, np.vstack((line_2d.reshape((2 * n, 2)).T, np.ones((1, 2 * n))))
).T
line_2d_c = line_2d_c.reshape((n, 2, 3))
# row wise cross product
n_li = np.cross(line_2d_c[:, 0, :], line_2d_c[:, 1, :])
# Normalize for stability
n_li /= np.linalg.norm(n_li, axis=1)[:, None]
n_li = np.hstack((n_li, n_li)).reshape((-1, 3))
nx, ny, nz = n_li.T
# line in 3D
PL = line_3d.reshape((-1, 3))
PLx, PLy, PLz = PL.T
# Line constraints - point
cl1 = PLx * nx
cl2 = PLx * ny
cl3 = PLx * nz
cl4 = PLy * nx
cl5 = PLy * ny
cl6 = PLy * nz
cl7 = PLz * nx
cl8 = PLz * ny
cl9 = PLz * nz
## Compose block matrices for the equation system
C = np.stack((cl1, cl2, cl3, cl4, cl5, cl6, cl7, cl8, cl9), axis=1)
return C, n_li
def _re6q3(A: np.ndarray) -> Tuple[np.ndarray, np.ndarray, np.ndarray]:
"""Solves the E6Q3 problem i.e., the intersection of 6 quadrics with 3 unknowns.
Arguments:
A -- The N x 10 matrix with N >= 6. The columns are ordered as
[a^2, b^2, c^2, ab, ac, bc, a, b, c, 1].
"""
B = A[:, :6]
C = A[:, 6:]
Ap = np.block([np.eye(6), np.linalg.solve(B.T @ B, B.T @ C)])
# Extract D
D = -Ap[[1, 2, 5]][:, 6:]
d0, d1, d2 = D
d00, d01, d02, d03 = d0
d10, d11, d12, d13 = d1
d20, d21, d22, d23 = d2
# Compose the polynomial coefficients
# fmt: off
p0 = d01**3*d11*d12*d22*d23 - d01**3*d11*d13*d22**2 + d01**3*d11*d23**2 - d01**2*d02*d11**2*d22*d23 + d01**2*d02*d11*d12**2*d23 - d01**2*d02*d11*d12*d13*d22 - d01**2*d02*d11*d12*d21*d23 + 2*d01**2*d02*d11*d13*d21*d22 + 2*d01**2*d02*d11*d13*d23 + d01**2*d03*d11**2*d22**2 - d01**2*d03*d11*d12*d21*d22 + d01**2*d03*d11*d12*d23 - 2*d01**2*d03*d11*d13*d22 - 2*d01**2*d03*d11*d21*d23 - 2*d01**2*d11*d12*d22**2*d23 + 2*d01**2*d11*d13*d22**3 - 2*d01**2*d11*d22*d23**2 + d01**2*d12**2*d21*d22*d23 - d01**2*d12*d13*d21*d22**2 + d01**2*d12*d13*d22*d23 - d01**2*d12*d21**2*d22*d23 + d01**2*d12*d21*d23**2 - d01**2*d13**2*d22**2 + d01**2*d13*d21**2*d22**2 + d01**2*d13*d23**2 - d01**2*d21**2*d23**2 - 2*d01*d02**2*d11**2*d12*d23 + d01*d02**2*d11**2*d13*d22 + d01*d02**2*d11**2*d21*d23 + d01*d02**2*d11*d12*d13*d21 + d01*d02**2*d11*d13**2 - d01*d02**2*d11*d13*d21**2 + d01*d02*d03*d11**2*d12*d22 - d01*d02*d03*d11**2*d21*d22 - 3*d01*d02*d03*d11**2*d23 - d01*d02*d03*d11*d12**2*d21 - d01*d02*d03*d11*d12*d13 + d01*d02*d03*d11*d12*d21**2 + 2*d01*d02*d11**2*d22**2*d23 - d01*d02*d11*d12**2*d22*d23 + d01*d02*d11*d12*d13*d22**2 + 2*d01*d02*d11*d12*d21*d22*d23 + d01*d02*d11*d12*d23**2 - 5*d01*d02*d11*d13*d21*d22**2 - 5*d01*d02*d11*d13*d22*d23 + d01*d02*d11*d21**2*d22*d23 + d01*d02*d11*d21*d23**2 + d01*d02*d12**3*d21*d23 - d01*d02*d12**2*d13*d21*d22 + d01*d02*d12**2*d13*d23 - 2*d01*d02*d12**2*d21**2*d23 - d01*d02*d12*d13**2*d22 + 3*d01*d02*d12*d13*d21**2*d22 + d01*d02*d12*d13*d21*d23 + d01*d02*d12*d21**3*d23 + 2*d01*d02*d13**2*d21*d22 + 2*d01*d02*d13**2*d23 - 2*d01*d02*d13*d21**3*d22 - 2*d01*d02*d13*d21**2*d23 + 2*d01*d03**2*d11**2*d22 - d01*d03**2*d11*d12*d21 - d01*d03**2*d11*d13 + d01*d03**2*d11*d21**2 - 2*d01*d03*d11**2*d22**3 + 3*d01*d03*d11*d12*d21*d22**2 + d01*d03*d11*d12*d22*d23 + 2*d01*d03*d11*d13*d22**2 - d01*d03*d11*d21**2*d22**2 + 4*d01*d03*d11*d21*d22*d23 + 3*d01*d03*d11*d23**2 - d01*d03*d12**2*d21**2*d22 + d01*d03*d12**2*d21*d23 - 3*d01*d03*d12*d13*d21*d22 + d01*d03*d12*d13*d23 + d01*d03*d12*d21**3*d22 - 3*d01*d03*d12*d21**2*d23 - 2*d01*d03*d13**2*d22 + 2*d01*d03*d13*d21**2*d22 - 2*d01*d03*d13*d21*d23 + 2*d01*d03*d21**3*d23 + d01*d11*d12*d22**3*d23 - d01*d11*d13*d22**4 + d01*d11*d22**2*d23**2 - d01*d12**2*d21*d22**2*d23 + d01*d12**2*d22*d23**2 + d01*d12*d13*d21*d22**3 - 3*d01*d12*d13*d22**2*d23 - 3*d01*d12*d21*d22*d23**2 + d01*d12*d23**3 + 2*d01*d13**2*d22**3 + 2*d01*d13*d21*d22**2*d23 - 2*d01*d13*d22*d23**2 - 2*d01*d21*d23**3 + d02**3*d11**3*d23 - d02**3*d11**2*d13*d21 - d02**2*d03*d11**3*d22 + d02**2*d03*d11**2*d12*d21 - d02**2*d03*d11**2*d13 + d02**2*d11**2*d12*d22*d23 - 3*d02**2*d11**2*d21*d22*d23 - 3*d02**2*d11**2*d23**2 - d02**2*d11*d12**2*d21*d23 - d02**2*d11*d12*d13*d21*d22 - 3*d02**2*d11*d12*d13*d23 + 2*d02**2*d11*d12*d21**2*d23 + d02**2*d11*d13**2*d22 + 3*d02**2*d11*d13*d21**2*d22 + 5*d02**2*d11*d13*d21*d23 - d02**2*d11*d21**3*d23 + d02**2*d12**2*d13*d21**2 + 2*d02**2*d12*d13**2*d21 - 2*d02**2*d12*d13*d21**3 + d02**2*d13**3 - 2*d02**2*d13**2*d21**2 + d02**2*d13*d21**4 + d02*d03**2*d11**2*d12 + d02*d03**2*d11**2*d21 - d02*d03*d11**2*d12*d22**2 + 3*d02*d03*d11**2*d21*d22**2 + 5*d02*d03*d11**2*d22*d23 + 2*d02*d03*d11*d12**2*d21*d22 + 2*d02*d03*d11*d12**2*d23 - 5*d02*d03*d11*d12*d21**2*d22 - 5*d02*d03*d11*d12*d21*d23 - d02*d03*d11*d13*d21*d22 - d02*d03*d11*d13*d23 + d02*d03*d11*d21**3*d22 + d02*d03*d11*d21**2*d23 - d02*d03*d12**3*d21**2 - 2*d02*d03*d12**2*d13*d21 + 2*d02*d03*d12**2*d21**3 - d02*d03*d12*d13**2 + 2*d02*d03*d12*d13*d21**2 - d02*d03*d12*d21**4 - d02*d11**2*d22**3*d23 + d02*d11*d12*d21*d22**2*d23 + d02*d11*d12*d22*d23**2 + d02*d11*d13*d21*d22**3 + d02*d11*d13*d22**2*d23 + 3*d02*d11*d21*d22*d23**2 + 3*d02*d11*d23**3 + d02*d12**3*d23**2 - 2*d02*d12**2*d13*d22*d23 - 2*d02*d12**2*d21*d23**2 + d02*d12*d13**2*d22**2 - d02*d12*d13*d21**2*d22**2 + 4*d02*d12*d13*d21*d22*d23 + 3*d02*d12*d13*d23**2 + d02*d12*d21**2*d23**2 - 4*d02*d13**2*d21*d22**2 - 4*d02*d13**2*d22*d23 - 4*d02*d13*d21**2*d22*d23 - 4*d02*d13*d21*d23**2 + d03**3*d11**2 - 2*d03**2*d11**2*d22**2 + 2*d03**2*d11*d12*d21*d22 + 2*d03**2*d11*d12*d23 - 4*d03**2*d11*d21**2*d22 - 4*d03**2*d11*d21*d23 - d03**2*d12**2*d21**2 - 2*d03**2*d12*d13*d21 + 2*d03**2*d12*d21**3 - d03**2*d13**2 + 2*d03**2*d13*d21**2 - d03**2*d21**4 + d03*d11**2*d22**4 - 2*d03*d11*d12*d21*d22**3 - 2*d03*d11*d12*d22**2*d23 - 4*d03*d11*d21*d22**2*d23 - 4*d03*d11*d22*d23**2 + d03*d12**2*d21**2*d22**2 + d03*d12**2*d23**2 + 2*d03*d12*d13*d21*d22**2 - 2*d03*d12*d13*d22*d23 + 2*d03*d12*d21**2*d22*d23 - 2*d03*d12*d21*d23**2 + 2*d03*d13**2*d22**2 + 2*d03*d13*d21**2*d22**2 + 8*d03*d13*d21*d22*d23 + 2*d03*d13*d23**2 + 2*d03*d21**2*d23**2 - d12**2*d22**2*d23**2 + 2*d12*d13*d22**3*d23 - 2*d12*d22*d23**3 - d13**2*d22**4 + 2*d13*d22**2*d23**2 - d23**4
p1 = d00*d01**2*d11**2*d22**2 - d00*d01**2*d11*d12*d21*d22 + d00*d01**2*d11*d12*d23 - 2*d00*d01**2*d11*d13*d22 - 2*d00*d01**2*d11*d21*d23 + d00*d01*d02*d11**2*d12*d22 - d00*d01*d02*d11**2*d21*d22 - 3*d00*d01*d02*d11**2*d23 - d00*d01*d02*d11*d12**2*d21 - d00*d01*d02*d11*d12*d13 + d00*d01*d02*d11*d12*d21**2 + 4*d00*d01*d03*d11**2*d22 - 2*d00*d01*d03*d11*d12*d21 - 2*d00*d01*d03*d11*d13 + 2*d00*d01*d03*d11*d21**2 - 2*d00*d01*d11**2*d22**3 + 3*d00*d01*d11*d12*d21*d22**2 + d00*d01*d11*d12*d22*d23 + 2*d00*d01*d11*d13*d22**2 - d00*d01*d11*d21**2*d22**2 + 4*d00*d01*d11*d21*d22*d23 + 3*d00*d01*d11*d23**2 - d00*d01*d12**2*d21**2*d22 + d00*d01*d12**2*d21*d23 - 3*d00*d01*d12*d13*d21*d22 + d00*d01*d12*d13*d23 + d00*d01*d12*d21**3*d22 - 3*d00*d01*d12*d21**2*d23 - 2*d00*d01*d13**2*d22 + 2*d00*d01*d13*d21**2*d22 - 2*d00*d01*d13*d21*d23 + 2*d00*d01*d21**3*d23 - d00*d02**2*d11**3*d22 + d00*d02**2*d11**2*d12*d21 - d00*d02**2*d11**2*d13 + 2*d00*d02*d03*d11**2*d12 + 2*d00*d02*d03*d11**2*d21 - d00*d02*d11**2*d12*d22**2 + 3*d00*d02*d11**2*d21*d22**2 + 5*d00*d02*d11**2*d22*d23 + 2*d00*d02*d11*d12**2*d21*d22 + 2*d00*d02*d11*d12**2*d23 - 5*d00*d02*d11*d12*d21**2*d22 - 5*d00*d02*d11*d12*d21*d23 - d00*d02*d11*d13*d21*d22 - d00*d02*d11*d13*d23 + d00*d02*d11*d21**3*d22 + d00*d02*d11*d21**2*d23 - d00*d02*d12**3*d21**2 - 2*d00*d02*d12**2*d13*d21 + 2*d00*d02*d12**2*d21**3 - d00*d02*d12*d13**2 + 2*d00*d02*d12*d13*d21**2 - d00*d02*d12*d21**4 + 3*d00*d03**2*d11**2 - 4*d00*d03*d11**2*d22**2 + 4*d00*d03*d11*d12*d21*d22 + 4*d00*d03*d11*d12*d23 - 8*d00*d03*d11*d21**2*d22 - 8*d00*d03*d11*d21*d23 - 2*d00*d03*d12**2*d21**2 - 4*d00*d03*d12*d13*d21 + 4*d00*d03*d12*d21**3 - 2*d00*d03*d13**2 + 4*d00*d03*d13*d21**2 - 2*d00*d03*d21**4 + d00*d11**2*d22**4 - 2*d00*d11*d12*d21*d22**3 - 2*d00*d11*d12*d22**2*d23 - 4*d00*d11*d21*d22**2*d23 - 4*d00*d11*d22*d23**2 + d00*d12**2*d21**2*d22**2 + d00*d12**2*d23**2 + 2*d00*d12*d13*d21*d22**2 - 2*d00*d12*d13*d22*d23 + 2*d00*d12*d21**2*d22*d23 - 2*d00*d12*d21*d23**2 + 2*d00*d13**2*d22**2 + 2*d00*d13*d21**2*d22**2 + 8*d00*d13*d21*d22*d23 + 2*d00*d13*d23**2 + 2*d00*d21**2*d23**2 - d01**3*d10*d11*d22**2 + d01**3*d11*d12*d20*d22 + 2*d01**3*d11*d20*d23 - d01**2*d02*d10*d11*d12*d22 + 2*d01**2*d02*d10*d11*d21*d22 + 2*d01**2*d02*d10*d11*d23 - d01**2*d02*d11**2*d20*d22 + d01**2*d02*d11*d12**2*d20 - d01**2*d02*d11*d12*d20*d21 + 2*d01**2*d02*d11*d13*d20 - 2*d01**2*d03*d10*d11*d22 + d01**2*d03*d11*d12*d20 - 2*d01**2*d03*d11*d20*d21 + 2*d01**2*d10*d11*d22**3 - d01**2*d10*d12*d21*d22**2 + d01**2*d10*d12*d22*d23 - 2*d01**2*d10*d13*d22**2 + d01**2*d10*d21**2*d22**2 + d01**2*d10*d23**2 - 2*d01**2*d11*d12*d20*d22**2 - 4*d01**2*d11*d20*d22*d23 + d01**2*d12**2*d20*d21*d22 + d01**2*d12*d13*d20*d22 - d01**2*d12*d20*d21**2*d22 + 2*d01**2*d12*d20*d21*d23 + 2*d01**2*d13*d20*d23 - 2*d01**2*d20*d21**2*d23 + d01*d02**2*d10*d11**2*d22 + d01*d02**2*d10*d11*d12*d21 + 2*d01*d02**2*d10*d11*d13 - d01*d02**2*d10*d11*d21**2 - 2*d01*d02**2*d11**2*d12*d20 + d01*d02**2*d11**2*d20*d21 - d01*d02*d03*d10*d11*d12 - 3*d01*d02*d03*d11**2*d20 + d01*d02*d10*d11*d12*d22**2 - 5*d01*d02*d10*d11*d21*d22**2 - 5*d01*d02*d10*d11*d22*d23 - d01*d02*d10*d12**2*d21*d22 + d01*d02*d10*d12**2*d23 - 2*d01*d02*d10*d12*d13*d22 + 3*d01*d02*d10*d12*d21**2*d22 + d01*d02*d10*d12*d21*d23 + 4*d01*d02*d10*d13*d21*d22 + 4*d01*d02*d10*d13*d23 - 2*d01*d02*d10*d21**3*d22 - 2*d01*d02*d10*d21**2*d23 + 2*d01*d02*d11**2*d20*d22**2 - d01*d02*d11*d12**2*d20*d22 + 2*d01*d02*d11*d12*d20*d21*d22 + 2*d01*d02*d11*d12*d20*d23 - 5*d01*d02*d11*d13*d20*d22 + d01*d02*d11*d20*d21**2*d22 + 2*d01*d02*d11*d20*d21*d23 + d01*d02*d12**3*d20*d21 + d01*d02*d12**2*d13*d20 - 2*d01*d02*d12**2*d20*d21**2 + d01*d02*d12*d13*d20*d21 + d01*d02*d12*d20*d21**3 + 2*d01*d02*d13**2*d20 - 2*d01*d02*d13*d20*d21**2 - d01*d03**2*d10*d11 + 2*d01*d03*d10*d11*d22**2 - 3*d01*d03*d10*d12*d21*d22 + d01*d03*d10*d12*d23 - 4*d01*d03*d10*d13*d22 + 2*d01*d03*d10*d21**2*d22 - 2*d01*d03*d10*d21*d23 + d01*d03*d11*d12*d20*d22 + 4*d01*d03*d11*d20*d21*d22 + 6*d01*d03*d11*d20*d23 + d01*d03*d12**2*d20*d21 + d01*d03*d12*d13*d20 - 3*d01*d03*d12*d20*d21**2 - 2*d01*d03*d13*d20*d21 + 2*d01*d03*d20*d21**3 - d01*d10*d11*d22**4 + d01*d10*d12*d21*d22**3 - 3*d01*d10*d12*d22**2*d23 + 4*d01*d10*d13*d22**3 + 2*d01*d10*d21*d22**2*d23 - 2*d01*d10*d22*d23**2 + d01*d11*d12*d20*d22**3 + 2*d01*d11*d20*d22**2*d23 - d01*d12**2*d20*d21*d22**2 + 2*d01*d12**2*d20*d22*d23 - 3*d01*d12*d13*d20*d22**2 - 6*d01*d12*d20*d21*d22*d23 + 3*d01*d12*d20*d23**2 + 2*d01*d13*d20*d21*d22**2 - 4*d01*d13*d20*d22*d23 - 6*d01*d20*d21*d23**2 - d02**3*d10*d11**2*d21 + d02**3*d11**3*d20 - d02**2*d03*d10*d11**2 - d02**2*d10*d11*d12*d21*d22 - 3*d02**2*d10*d11*d12*d23 + 2*d02**2*d10*d11*d13*d22 + 3*d02**2*d10*d11*d21**2*d22 + 5*d02**2*d10*d11*d21*d23
p1 += d02**2*d10*d12**2*d21**2 + 4*d02**2*d10*d12*d13*d21 - 2*d02**2*d10*d12*d21**3 + 3*d02**2*d10*d13**2 - 4*d02**2*d10*d13*d21**2 + d02**2*d10*d21**4 + d02**2*d11**2*d12*d20*d22 - 3*d02**2*d11**2*d20*d21*d22 - 6*d02**2*d11**2*d20*d23 - d02**2*d11*d12**2*d20*d21 - 3*d02**2*d11*d12*d13*d20 + 2*d02**2*d11*d12*d20*d21**2 + 5*d02**2*d11*d13*d20*d21 - d02**2*d11*d20*d21**3 - d02*d03*d10*d11*d21*d22 - d02*d03*d10*d11*d23 - 2*d02*d03*d10*d12**2*d21 - 2*d02*d03*d10*d12*d13 + 2*d02*d03*d10*d12*d21**2 + 5*d02*d03*d11**2*d20*d22 + 2*d02*d03*d11*d12**2*d20 - 5*d02*d03*d11*d12*d20*d21 - d02*d03*d11*d13*d20 + d02*d03*d11*d20*d21**2 + d02*d10*d11*d21*d22**3 + d02*d10*d11*d22**2*d23 - 2*d02*d10*d12**2*d22*d23 + 2*d02*d10*d12*d13*d22**2 - d02*d10*d12*d21**2*d22**2 + 4*d02*d10*d12*d21*d22*d23 + 3*d02*d10*d12*d23**2 - 8*d02*d10*d13*d21*d22**2 - 8*d02*d10*d13*d22*d23 - 4*d02*d10*d21**2*d22*d23 - 4*d02*d10*d21*d23**2 - d02*d11**2*d20*d22**3 + d02*d11*d12*d20*d21*d22**2 + 2*d02*d11*d12*d20*d22*d23 + d02*d11*d13*d20*d22**2 + 6*d02*d11*d20*d21*d22*d23 + 9*d02*d11*d20*d23**2 + 2*d02*d12**3*d20*d23 - 2*d02*d12**2*d13*d20*d22 - 4*d02*d12**2*d20*d21*d23 + 4*d02*d12*d13*d20*d21*d22 + 6*d02*d12*d13*d20*d23 + 2*d02*d12*d20*d21**2*d23 - 4*d02*d13**2*d20*d22 - 4*d02*d13*d20*d21**2*d22 - 8*d02*d13*d20*d21*d23 - 2*d03**2*d10*d12*d21 - 2*d03**2*d10*d13 + 2*d03**2*d10*d21**2 + 2*d03**2*d11*d12*d20 - 4*d03**2*d11*d20*d21 + 2*d03*d10*d12*d21*d22**2 - 2*d03*d10*d12*d22*d23 + 4*d03*d10*d13*d22**2 + 2*d03*d10*d21**2*d22**2 + 8*d03*d10*d21*d22*d23 + 2*d03*d10*d23**2 - 2*d03*d11*d12*d20*d22**2 - 4*d03*d11*d20*d21*d22**2 - 8*d03*d11*d20*d22*d23 + 2*d03*d12**2*d20*d23 - 2*d03*d12*d13*d20*d22 + 2*d03*d12*d20*d21**2*d22 - 4*d03*d12*d20*d21*d23 + 8*d03*d13*d20*d21*d22 + 4*d03*d13*d20*d23 + 4*d03*d20*d21**2*d23 + 2*d10*d12*d22**3*d23 - 2*d10*d13*d22**4 + 2*d10*d22**2*d23**2 - 2*d12**2*d20*d22**2*d23 + 2*d12*d13*d20*d22**3 - 6*d12*d20*d22*d23**2 + 4*d13*d20*d22**2*d23 - 4*d20*d23**3
p2 = 2*d00**2*d01*d11**2*d22 - d00**2*d01*d11*d12*d21 - d00**2*d01*d11*d13 + d00**2*d01*d11*d21**2 + d00**2*d02*d11**2*d12 + d00**2*d02*d11**2*d21 + 3*d00**2*d03*d11**2 - 2*d00**2*d11**2*d22**2 + 2*d00**2*d11*d12*d21*d22 + 2*d00**2*d11*d12*d23 - 4*d00**2*d11*d21**2*d22 - 4*d00**2*d11*d21*d23 - d00**2*d12**2*d21**2 - 2*d00**2*d12*d13*d21 + 2*d00**2*d12*d21**3 - d00**2*d13**2 + 2*d00**2*d13*d21**2 - d00**2*d21**4 - 2*d00*d01**2*d10*d11*d22 + d00*d01**2*d11*d12*d20 - 2*d00*d01**2*d11*d20*d21 - d00*d01*d02*d10*d11*d12 - 3*d00*d01*d02*d11**2*d20 - 2*d00*d01*d03*d10*d11 + 2*d00*d01*d10*d11*d22**2 - 3*d00*d01*d10*d12*d21*d22 + d00*d01*d10*d12*d23 - 4*d00*d01*d10*d13*d22 + 2*d00*d01*d10*d21**2*d22 - 2*d00*d01*d10*d21*d23 + d00*d01*d11*d12*d20*d22 + 4*d00*d01*d11*d20*d21*d22 + 6*d00*d01*d11*d20*d23 + d00*d01*d12**2*d20*d21 + d00*d01*d12*d13*d20 - 3*d00*d01*d12*d20*d21**2 - 2*d00*d01*d13*d20*d21 + 2*d00*d01*d20*d21**3 - d00*d02**2*d10*d11**2 - d00*d02*d10*d11*d21*d22 - d00*d02*d10*d11*d23 - 2*d00*d02*d10*d12**2*d21 - 2*d00*d02*d10*d12*d13 + 2*d00*d02*d10*d12*d21**2 + 5*d00*d02*d11**2*d20*d22 + 2*d00*d02*d11*d12**2*d20 - 5*d00*d02*d11*d12*d20*d21 - d00*d02*d11*d13*d20 + d00*d02*d11*d20*d21**2 - 4*d00*d03*d10*d12*d21 - 4*d00*d03*d10*d13 + 4*d00*d03*d10*d21**2 + 4*d00*d03*d11*d12*d20 - 8*d00*d03*d11*d20*d21 + 2*d00*d10*d12*d21*d22**2 - 2*d00*d10*d12*d22*d23 + 4*d00*d10*d13*d22**2 + 2*d00*d10*d21**2*d22**2 + 8*d00*d10*d21*d22*d23 + 2*d00*d10*d23**2 - 2*d00*d11*d12*d20*d22**2 - 4*d00*d11*d20*d21*d22**2 - 8*d00*d11*d20*d22*d23 + 2*d00*d12**2*d20*d23 - 2*d00*d12*d13*d20*d22 + 2*d00*d12*d20*d21**2*d22 - 4*d00*d12*d20*d21*d23 + 8*d00*d13*d20*d21*d22 + 4*d00*d13*d20*d23 + 4*d00*d20*d21**2*d23 + d01**3*d11*d20**2 + 2*d01**2*d02*d10*d11*d20 - d01**2*d10**2*d22**2 + d01**2*d10*d12*d20*d22 + 2*d01**2*d10*d20*d23 - 2*d01**2*d11*d20**2*d22 + d01**2*d12*d20**2*d21 + d01**2*d13*d20**2 - d01**2*d20**2*d21**2 + d01*d02**2*d10**2*d11 - d01*d02*d10**2*d12*d22 + 2*d01*d02*d10**2*d21*d22 + 2*d01*d02*d10**2*d23 - 5*d01*d02*d10*d11*d20*d22 + d01*d02*d10*d12**2*d20 + d01*d02*d10*d12*d20*d21 + 4*d01*d02*d10*d13*d20 - 2*d01*d02*d10*d20*d21**2 + d01*d02*d11*d12*d20**2 + d01*d02*d11*d20**2*d21 - 2*d01*d03*d10**2*d22 + d01*d03*d10*d12*d20 - 2*d01*d03*d10*d20*d21 + 3*d01*d03*d11*d20**2 + 2*d01*d10**2*d22**3 - 3*d01*d10*d12*d20*d22**2 + 2*d01*d10*d20*d21*d22**2 - 4*d01*d10*d20*d22*d23 + d01*d11*d20**2*d22**2 + d01*d12**2*d20**2*d22 - 3*d01*d12*d20**2*d21*d22 + 3*d01*d12*d20**2*d23 - 2*d01*d13*d20**2*d22 - 6*d01*d20**2*d21*d23 + d02**2*d10**2*d11*d22 + 2*d02**2*d10**2*d12*d21 + 3*d02**2*d10**2*d13 - 2*d02**2*d10**2*d21**2 - 3*d02**2*d10*d11*d12*d20 + 5*d02**2*d10*d11*d20*d21 - 3*d02**2*d11**2*d20**2 - d02*d03*d10**2*d12 - d02*d03*d10*d11*d20 + d02*d10**2*d12*d22**2 - 4*d02*d10**2*d21*d22**2 - 4*d02*d10**2*d22*d23 + d02*d10*d11*d20*d22**2 - 2*d02*d10*d12**2*d20*d22 + 4*d02*d10*d12*d20*d21*d22 + 6*d02*d10*d12*d20*d23 - 8*d02*d10*d13*d20*d22 - 4*d02*d10*d20*d21**2*d22 - 8*d02*d10*d20*d21*d23 + d02*d11*d12*d20**2*d22 + 3*d02*d11*d20**2*d21*d22 + 9*d02*d11*d20**2*d23 + d02*d12**3*d20**2 - 2*d02*d12**2*d20**2*d21 + 3*d02*d12*d13*d20**2 + d02*d12*d20**2*d21**2 - 4*d02*d13*d20**2*d21 - d03**2*d10**2 + 2*d03*d10**2*d22**2 - 2*d03*d10*d12*d20*d22 + 8*d03*d10*d20*d21*d22 + 4*d03*d10*d20*d23 - 4*d03*d11*d20**2*d22 + d03*d12**2*d20**2 - 2*d03*d12*d20**2*d21 + 2*d03*d13*d20**2 + 2*d03*d20**2*d21**2 - d10**2*d22**4 + 2*d10*d12*d20*d22**3 + 4*d10*d20*d22**2*d23 - d12**2*d20**2*d22**2 - 6*d12*d20**2*d22*d23 + 2*d13*d20**2*d22**2 - 6*d20**2*d23**2
p3 = d00**3*d11**2 - d00**2*d01*d10*d11 - 2*d00**2*d10*d12*d21 - 2*d00**2*d10*d13 + 2*d00**2*d10*d21**2 + 2*d00**2*d11*d12*d20 - 4*d00**2*d11*d20*d21 - 2*d00*d01*d10**2*d22 + d00*d01*d10*d12*d20 - 2*d00*d01*d10*d20*d21 + 3*d00*d01*d11*d20**2 - d00*d02*d10**2*d12 - d00*d02*d10*d11*d20 - 2*d00*d03*d10**2 + 2*d00*d10**2*d22**2 - 2*d00*d10*d12*d20*d22 + 8*d00*d10*d20*d21*d22 + 4*d00*d10*d20*d23 - 4*d00*d11*d20**2*d22 + d00*d12**2*d20**2 - 2*d00*d12*d20**2*d21 + 2*d00*d13*d20**2 + 2*d00*d20**2*d21**2 + d01**2*d10*d20**2 + 2*d01*d02*d10**2*d20 - 2*d01*d10*d20**2*d22 + d01*d12*d20**3 - 2*d01*d20**3*d21 + d02**2*d10**3 - 4*d02*d10**2*d20*d22 + 3*d02*d10*d12*d20**2 - 4*d02*d10*d20**2*d21 + 3*d02*d11*d20**3 + 2*d03*d10*d20**2 + 2*d10*d20**2*d22**2 - 2*d12*d20**3*d22 - 4*d20**3*d23
p4 = -d00**2*d10**2 + 2*d00*d10*d20**2 - d20**4
# fmt: on
# Compute the polynomial roots
roots = np.roots((p4, p3, p2, p1, p0))
a = np.real(roots)
# Construct M from identities
# fmt: off
m00 = -a*d20 + d02*d11 - d21*d22 - d23
m01 = a*d00 + d01*d22 + d02*d12 - d02*d21 + d03 - d22**2
m02 = a*(-d00*d21 + d01*d20 + d02*d10 - d20*d22) + d01*d23 + d02*d13 - d03*d21 - d22*d23
m10 = a*d10 + d01*d11 - d11*d22 + d12*d21 + d13 - d21**2
m11 = -a*d20 + d02*d11 - d21*d22 - d23
m12 = a*(d00*d11 - d10*d22 + d12*d20 - d20*d21) + d03*d11 + d12*d23 - d13*d22 - d21*d23
m20 = a*(d00*d11 + d01*d10 - 2*d20*d21) + d01**2*d11 + d01*d12*d21 + d01*d13 - d01*d21**2 + d02*d11*d12 + d02*d11*d21 + d03*d11 - d11*d22**2 - 2*d21**2*d22 - 2*d21*d23
m21 = a*(d00*d12 + d02*d10 - 2*d20*d22) + d01*d02*d11 + d01*d12*d22 + d02*d11*d22 + d02*d12**2 + d02*d13 - d02*d21**2 + d03*d12 - d12*d22**2 - 2*d21*d22**2 - 2*d22*d23
m22 = a**2*(d00*d10 - d20**2) + a*(d00*d01*d11 + d00*d13 - d00*d21**2 + d01*d12*d20 + d02*d10*d12 + d02*d11*d20 + d03*d10 - d10*d22**2 - 2*d20*d21*d22 - 2*d20*d23) + d01*d03*d11 + d01*d12*d23 + d02*d11*d23 + d02*d12*d13 + d03*d13 - d03*d21**2 - d13*d22**2 - 2*d21*d22*d23 - d23**2
# fmt: on
M = np.block(
[
[m00[:, None, None], m01[:, None, None], m02[:, None, None]],
[m10[:, None, None], m11[:, None, None], m12[:, None, None]],
[m20[:, None, None], m21[:, None, None], m22[:, None, None]],
]
)
# Extract b and c
bc = -np.linalg.solve(
M[:, :, :2].transpose((0, 2, 1)) @ M[:, :, :2],
M[:, :, :2].transpose((0, 2, 1)) @ M[:, :, 2, None],
)
b, c = bc.reshape((-1, 2)).T
return a, b, c
def _constraint_ortho_det(vecs: np.ndarray, rank: int) -> np.ndarray:
"""Estimate poses possible rotation solutions from enforcing geometric constraints
on the solution space.
Arguments:
vecs -- the eigenvectors from Z, stacked in columns
rank -- the rank of Z
"""
# We can only handle up to rank 4.
# rank ceils into the next
_rank = min(int(np.ceil(rank / 2) * 2), 4)
# Marginalize
V = vecs[:, -_rank:].T
v0 = V[-1] / V[-1, -1]
V = np.vstack((V[:-1] - np.outer(V[:-1, -1], v0), v0)).T[:-1] # type: ignore
# Row and Col constraints norm and orthogonality constraints
k = 0
Pc = np.zeros((6, _rank, _rank))
Pr = np.zeros((6, _rank, _rank))
for i in range(3):
for j in range(i, 3):
e_i = np.zeros(3)
e_i[i] = 1
e_j = np.zeros(3)
e_j[j] = 1
Vci = np.kron(e_i, np.eye(3)) @ V
Vcj = np.kron(e_j, np.eye(3)) @ V
Vri = np.kron(np.eye(3), e_i) @ V
Vrj = np.kron(np.eye(3), e_j) @ V
K = np.diag(np.zeros(_rank))
K[-1, -1] = int(i == j)
P = Vci.T @ Vcj - K
Pc[k] = 0.5 * (P + P.T)
P = Vri.T @ Vrj - K
Pr[k] = 0.5 * (P + P.T)
k += 1
# Determinant constraints
m = 0
Pdet = np.zeros((9, _rank, _rank))
for i, j, k in ((0, 1, 2), (1, 2, 0), (2, 0, 1)):
for l in range(3):
e_i = np.zeros(3)
e_i[i] = 1
e_j = np.zeros(3)
e_j[j] = 1
e_k = np.zeros(3)
e_k[k] = 1
e_l = np.zeros(3)
e_l[l] = 1
S = np.array(
[[0, -e_l[2], e_l[1]], [e_l[2], 0, -e_l[0]], [-e_l[1], e_l[0], 0]]
)
Vci = np.kron(e_i, np.eye(3)) @ V
Vcj = np.kron(e_j, np.eye(3)) @ V
Vck = np.kron(e_k, np.eye(3)) @ V
P = Vcj.T @ S @ Vci - np.block(
[[np.zeros((_rank - 1, _rank))], [e_l @ Vck]]
)
Pdet[m] = 0.5 * (P + P.T)
m += 1
# Construct equation system
P = np.concatenate((Pc, Pr, Pdet), axis=0)
alpha_d = None
if _rank == 2:
A = np.array([P[:, 0, 0], 2 * P[:, 0, 1], P[:, 1, 1]]).T # a**2, a, 1
# Condense everything and solve the general quadratic formula
coeffs = np.mean(A, axis=0)
a = np.empty(2)
root = np.real(
np.sqrt(np.maximum(coeffs[1] * coeffs[1] - 4 * coeffs[0] * coeffs[2], 0))
)
a[0] = (-coeffs[1] + root) / (2 * coeffs[0])
a[1] = (-coeffs[1] - root) / (2 * coeffs[0])
alpha_d = np.stack([a, np.ones(2)], axis=1)
elif _rank == 4:
A = np.array(
[
P[:, 0, 0], # a**2
P[:, 1, 1], # b**2
P[:, 2, 2], # c**2
2 * P[:, 0, 1], # ab
2 * P[:, 0, 2], # ac
2 * P[:, 1, 2], # bc
2 * P[:, 0, 3], # a
2 * P[:, 1, 3], # b
2 * P[:, 2, 3], # c
P[:, 3, 3], # 1
]
).T
# Solve the 6Q3 system
a, b, c = _re6q3(A)
# Return all candidates
m = len(a)
alpha_d = np.stack([a, b, c, np.ones(m)], axis=1)
else:
raise NotImplementedError
return alpha_d @ V.T
def _vech10(A: np.ndarray, scale: float = 1) -> np.ndarray:
"""Create a vectorized version of a symmetric matrix and
scale the off diagonal elements with scale
"""
S = scale * np.ones_like(A)
S[np.eye(10, dtype=bool)] = 1
As = S * A
return cast(
np.ndarray,
np.concatenate(
(
As[:, 0],
As[1:, 1],
As[2:, 2],
As[3:, 3],
As[4:, 4],
As[5:, 5],
As[6:, 6],
As[7:, 7],
As[8:, 8],
np.atleast_1d(As[9, 9]),
)
),
)
def _vech10_inv(v: np.ndarray) -> np.ndarray:
"""Create a symmetric matrix from its vectorized
representation
"""
A = np.empty((10, 10))
ke = 0
for i in range(10):
ks = ke
ke = ks + 10 - i
A[i, i:] = v[ks:ke]
A[i:, i] = v[ks:ke]
return A
def _sdp_constraints() -> Tuple[csc_matrix, np.ndarray]:
"""Generates the static sdp constraints for the optimization problem"""
# Placeholder
Ad = np.zeros((77, 55))
E_ij = np.reshape(
np.eye(3)[:, None, :, None] * np.eye(3)[None, :, None], (-1, 3, 3)
)
# Linear equalities
# Z10,10 = 1
Ad[0, -1] = 1
# Rows and cols
E_ij_rc = E_ij[[0, 1, 2, 4, 5, 8]]
c = np.array((1, 0, 0, 1, 0, 1))
for i in range(6):
P = np.block(
[
[np.kron(np.eye(3), E_ij_rc[i].T), np.zeros((9, 1))],
[np.zeros(9), -c[i]],
]
)
Ad[i + 1] = _vech10(0.5 * (P + P.T), 2)
P = np.block(
[
[np.kron(E_ij_rc[i], np.eye(3)), np.zeros((9, 1))],
[np.zeros(9), -c[i]],
]
)
Ad[i + 7] = _vech10(0.5 * (P + P.T), 2)
# Determinant
E_ji_det = E_ij[[3, 3, 3, 7, 7, 7, 2, 2, 2]]
e_l = np.kron(np.ones(3), np.eye(3)).T
e_k = np.repeat(np.eye(3)[[2, 0, 1]], 3, axis=0)
for i in range(9):
S = np.array(
[
[0, -e_l[i, 2], e_l[i, 1]],
[e_l[i, 2], 0, -e_l[i, 0]],
[-e_l[i, 1], e_l[i, 0], 0],
]
)
P = np.block(
[[np.kron(E_ji_det[i], S), np.zeros((9, 1))], [-np.kron(e_k[i], e_l[i]), 0]] # type: ignore
)
Ad[i + 13] = _vech10(0.5 * (P + P.T), 2)
# Cones
mask = np.concatenate((np.zeros((22, 55), dtype=bool), np.eye(55, dtype=bool)))
Ad[mask] = -_vech10(np.ones((10, 10)), np.sqrt(2))
# convert to csc matrix
A = csc_matrix(Ad)
# Constants
b = np.zeros(77)
b[0] = 1
return A, b
_A, _b = _sdp_constraints()
def _solve_relaxation(
A: np.ndarray,
B: np.ndarray,
eps: float = 1e-9,
max_iters: int = 2500,
verbose: bool = False,
) -> List[Tuple[np.ndarray, np.ndarray]]:
"""Given the linear system formed by the problem's geometric constraints,
computes all possible poses.
Arguments:
A -- the matrix defining the homogeneous linear system formed from the problem's
geometric constraints, such that A r = 0.
B -- an auxiliary matrix which allows to retrieve the translation vector
from an optimal rotation t = - B @ r.
eps -- numerical precision of the solver
max_iters -- maximum number of iterations the solver is allowed to perform
verbose -- print additional information to the console
"""
# Solve the QCQP using shor's relaxation
# Construct Q
Q = np.block([[A.T @ A, np.zeros((9, 1))], [np.zeros((1, 9)), 0]]) # type: ignore
# Invoke solver
scs_kwargs = {
_scs_kwarg_map[k]: v
for k, v in zip(
["eps", "max_iters", "verbose"],
[eps, max_iters, verbose],
)
}
results = scs.solve(
{"A": _A, "b": _b, "c": _vech10(Q, 2)}, # data
_CONES,
**scs_kwargs,
)
# Invoke solver
Z = _vech10_inv(results["x"])
if np.any(np.isnan(Z)):
if verbose:
warnings.warn(
"The SDP solver did not return a valid solution. Increasing max_iters might solve the issue."
)
return [(np.full((3, 3), np.nan), np.full(3, np.nan))]
vals, vecs = np.linalg.eigh(Z)
# check for rank
rank = np.sum(vals > 1e-3)
r_c = None
if rank == 1:
r_c = (vecs[:-1, -1] / vecs[-1, -1])[None, :]
else:
r_c = _constraint_ortho_det(vecs, rank)
# project to valid rotation spaces
U, _, Vh = np.linalg.svd(r_c.reshape(-1, 3, 3))
R = U @ Vh
r = R.reshape(-1, 9)
t = -r @ B.T
# Optimality guarantees
res = r @ A.T
if np.any(np.abs(np.sum(res * res, axis=-1) - results["info"]["dobj"]) > eps):
not_certifiable = "The solution is not certifiably optimal."
warnings.warn(not_certifiable)
return list(zip(R.transpose(0, 2, 1), t))
def pnp(
pts_2d: np.ndarray,
pts_3d: np.ndarray,
K: np.ndarray,
eps: float = 1e-9,
max_iters: int = 2500,
verbose: bool = False,
) -> List[Tuple[np.ndarray, np.ndarray]]:
"""Compute object poses from point 2D-3D correspondences.
Arguments:
pts_2d -- n x 2 np.array of 2D pixels
pts_3d -- n x 3 np.array of 3D points
K -- 3 x 3 np.array with the camera intrinsics
eps -- numerical precision of the solver
max_iters -- maximum number of iterations the solver is allowed to perform
verbose -- print additional solver information to the console
"""
# Extract point constraints
(C1, C2, C3), (N1, N2, N3) = _point_constraints(pts_2d, pts_3d, K)
# Compose block matrices
C = np.vstack((C1, C2, C3))
N = np.vstack((N1, N2, N3))
B = np.linalg.solve(N.T @ N, N.T @ C)
A = C - N @ B
# Solve the QCQP using shor's relaxation
return _solve_relaxation(A, B, eps=eps, max_iters=max_iters, verbose=verbose)
def pnl(
line_2d: np.ndarray,
line_3d: np.ndarray,
K: np.ndarray,
eps: float = 1e-9,
max_iters: int = 2500,
verbose: bool = False,
) -> List[Tuple[np.ndarray, np.ndarray]]:
"""Compute object poses from line 2D-3D correspondences.
Arguments:
line_2d -- n x 2 x 2 np.array organized as (line, pt, dim). Each line is defined
by sampling 2 points from it. Each point is a pixel in 2D.
line_3d -- A n x 2 x 3 np.array organized as (line, pt, dim). Each line is defined
by 2 points. The points reside in 3D.
K -- 3 x 3 np.array with the camera intrinsics.
eps -- numerical precision of the solver
max_iters -- maximum number of iterations the solver is allowed to perform
verbose -- print additional solver information to the console
"""
# Extract point constraints
C, N = _line_constraints(line_2d, line_3d, K)
# Compose block matrices
B = np.linalg.solve(N.T @ N, N.T @ C)
A = C - N @ B
# Solve the QCQP using shor's relaxation
return _solve_relaxation(A, B, eps=eps, max_iters=max_iters, verbose=verbose)
def pnpl(
pts_2d: np.ndarray,
line_2d: np.ndarray,
pts_3d: np.ndarray,
line_3d: np.ndarray,
K: np.ndarray,
eps: float = 1e-9,
max_iters: int = 2500,
verbose: bool = False,
) -> List[Tuple[np.ndarray, np.ndarray]]:
"""Compute object poses from point and line 2D-3D correspondences.
Arguments:
pts_2d -- n x 2 np.array of 2D pixels
line_2d -- n x 2 x 2 np.array organized as (line, pt, dim). Each line is defined
by sampling 2 points from it. Each point is a pixel in 2D.
pts_3d -- n x 3 np.array of 3D points
line_3d -- A n x 2 x 3 np.array organized as (line, pt, dim). Each line is defined
by 2 points. The points reside in 3D.
K -- 3 x 3 np.array with the camera intrinsics.
eps -- numerical precision of the solver
max_iters -- maximum number of iterations the solver is allowed to perform
verbose -- print additional solver information to the console
"""
# Extract point constraints
(Cp1, Cp2, Cp3), (Np1, Np2, Np3) = _point_constraints(
pts_2d=pts_2d.reshape((-1, 2)), pts_3d=pts_3d.reshape((-1, 3)), K=K
)
# Extract line constraints
Cl, Nl = _line_constraints(line_2d.reshape((-1, 2, 2)), line_3d, K)
# Compose block matrices
C = np.vstack((Cp1, Cp2, Cp3, Cl))
N = np.vstack((Np1, Np2, Np3, Nl))
# Compose block matrices
B = np.linalg.solve(N.T @ N, N.T @ C)
A = C - N @ B
# Solve the QCQP using shor's relaxation
return _solve_relaxation(A, B, eps=eps, max_iters=max_iters, verbose=verbose)