opencv c++ 获取旋转向量

在OpenCV (Computer Vision Library) 中，获取图像中的旋转向量通常涉及到二维特征点之间的关联以及利用Homography矩阵来推断相机的旋转。如果你有一个已知的对齐场景（例如两幅图片，一张原图和一张旋转后的），你可以通过特征匹配（如SIFT、SURF、ORB等）找到对应点，然后计算它们之间的本质矩阵(Essential Matrix)。

本质矩阵包含了相对姿态的信息，包括平移和旋转。从本质矩阵中可以进一步提取出旋转矩阵(Rotation Vector)，这一步通常需要RANSAC（Random Sample Consensus）或其他优化算法来排除异常值并求解最精确的解。OpenCV库提供了`findEssentialMat()` 和 `recoverPose()` 等函数来进行这些操作。

下面是一个简单的步骤概述：

1. **特征检测**：使用OpenCV的特征检测函数（如`goodFeaturesToTrack()` 或 `orb.detectAndCompute()`）找到图像的关键点。

2. **匹配关键点**：找到两个图像中对应的关键点对。

3. **计算本质矩阵**：使用`findEssentialMat()` 函数，传入匹配的点对。

4. **解旋转向量**：调用`recoverPose()` 函数，它会返回旋转向量（`cv::Mat` 类型，通常是3x1列向量，表示绕三个轴的旋转角度）和平移向量。

std::vector<cv::Point2f> keypoints1, keypoints2;
std::vector<cv::DMatch> matches;

// ... (特征检测和匹配)

cv::Mat essentialMat = cv::findEssentialMat(keypoints1, keypoints2, cv::POSITIVE Essentials, cv::RANSAC);
cv::Decomposition EssentialDecomp(essentialMat);
cv::Mat rotVec = EssentialDecomp.R[0];