lhm.cpp

Go to the documentation of this file.

/* +------------------------------------------------------------------------+
   |                     Mobile Robot Programming Toolkit (MRPT)            |
   |                          http://www.mrpt.org/                          |
   |                                                                        |
   | Copyright (c) 2005-2018, Individual contributors, see AUTHORS file     |
   | See: http://www.mrpt.org/Authors - All rights reserved.                |
   | Released under BSD License. See details in http://www.mrpt.org/License |
   +------------------------------------------------------------------------+ */

#include "vision-precomp.h"  // Precompiled headers
#include <iostream>

#include <mrpt/math/types_math.h>  // Eigen must be included first via MRPT to enable the plugin system
#include <Eigen/Dense>
#include <Eigen/SVD>
#include <Eigen/StdVector>

// Opencv 2.3 had a broken <opencv/eigen.h> in Ubuntu 14.04 Trusty => Disable
// PNP classes
#include <mrpt/config.h>
#if MRPT_HAS_OPENCV && MRPT_OPENCV_VERSION_NUM < 0x240
#undef MRPT_HAS_OPENCV
#define MRPT_HAS_OPENCV 0
#endif

#include "lhm.h"
using namespace mrpt::vision::pnp;

lhm::lhm(
    Eigen::MatrixXd obj_pts_, Eigen::MatrixXd img_pts_, Eigen::MatrixXd cam_,
    int n0)
    : F(n0)
{
    obj_pts = obj_pts_;
    img_pts = img_pts_;
    cam_intrinsic = cam_;
    n = n0;

    // Store obj_pts as 3XN and img_projections as 2XN matrices
    P = obj_pts.transpose();
    Q = Eigen::MatrixXd::Ones(3, n);

    Q = img_pts.transpose();

    t.setZero();
}

void lhm::estimate_t()
{
    Eigen::Vector3d sum_;
    sum_.setZero();
    for (int i = 0; i < n; i++) sum_ += F[i] * R * P.col(i);
    t = G * sum_;
}

void lhm::xform()
{
    for (int i = 0; i < n; i++) Q.col(i) = R * P.col(i) + t;
}

Eigen::Matrix4d lhm::qMatQ(Eigen::VectorXd q)
{
    Eigen::Matrix4d Q_(4, 4);

    Q_ << q(0), -q(1), -q(2), -q(3), q(1), q(0), -q(3), q(2), q(2), q(3), q(0),
        -q(1), q(3), -q(2), q(1), q(0);

    return Q_;
}

Eigen::Matrix4d lhm::qMatW(Eigen::VectorXd q)
{
    Eigen::Matrix4d Q_(4, 4);

    Q_ << q(0), -q(1), -q(2), -q(3), q(1), q(0), q(3), -q(2), q(2), -q(3), q(0),
        q(1), q(3), q(2), -q(1), q(0);

    return Q_;
}

void lhm::absKernel()
{
    for (int i = 0; i < n; i++) Q.col(i) = F[i] * Q.col(i);

    Eigen::Vector3d P_bar, Q_bar;
    P_bar = P.rowwise().mean();
    Q_bar = Q.rowwise().mean();

    for (int i = 0; i < n; i++)
    {
        P.col(i) = P.col(i) - P_bar;
        Q.col(i) = Q.col(i) - Q_bar;
    }

    //<------------------- Use SVD Solution ------------------->//
    /*
    Eigen::Matrix3d M;
    M.setZero();

    for (i = 0; i < n; i++)
        M += P.col(i)*Q.col(i).transpose();

    Eigen::JacobiSVD<Eigen::MatrixXd> svd(M, Eigen::ComputeThinU |
    Eigen::ComputeThinV);

    R = svd.matrixV()*svd.matrixU().transpose();

    Eigen::Matrix3d dummy;
    dummy.col(0) = -svd.matrixV().col(0);
    dummy.col(1) = -svd.matrixV().col(1);
    dummy.col(2) = svd.matrixV().col(2);

    if (R.determinant() == 1)
    {
        estimate_t();
        if (t(2) < 0)
        {
            R = dummy*svd.matrixU().transpose();
            estimate_t();
        }
    }
    else
    {
        R = -dummy*svd.matrixU().transpose();
        estimate_t();
        if (t(2) < 0)
        {
            R = -svd.matrixV()*svd.matrixU().transpose();
            estimate_t();
        }
    }

    err2 = 0;
    xform();

    Eigen::Vector3d vec;
    Eigen::Matrix3d I3 = Eigen::MatrixXd::Identity(3, 3);

    for (i = 0; i < n; i++)
    {
        vec = (I3 - F[i])*Q.col(i);
        err2 += vec.squaredNorm();
    }
    */
    //<------------------- Use QTN Solution ------------------->//

    Eigen::Matrix4d A;
    A.setZero();

    for (int i = 0; i < n; i++)
    {
        Eigen::Vector4d q1, q2;
        q1 << 1, Q.col(i);
        q2 << 1, P.col(i);
        A += qMatQ(q1).transpose() * qMatW(q2);
    }

    Eigen::EigenSolver<Eigen::Matrix4d> es(A);

    const Eigen::Matrix4d Ae = es.pseudoEigenvalueMatrix();
    Eigen::Vector4d D;  // Ae.diagonal(); for some reason this leads to an
    // internal compiler error in MSVC11... (sigh)
    for (int i = 0; i < 4; i++) D[i] = Ae(i, i);

    Eigen::Matrix4d V_mat = es.pseudoEigenvectors();

    Eigen::Vector4d::Index max_index;

    D.maxCoeff(&max_index);

    Eigen::Vector4d V;

    V = V_mat.col(max_index);

    Eigen::Quaterniond q(V(0), V(1), V(2), V(3));

    R = q.toRotationMatrix();

    estimate_t();

    err2 = 0;
    xform();

    Eigen::Vector3d vec;
    Eigen::Matrix3d I3 = Eigen::MatrixXd::Identity(3, 3);

    for (int i = 0; i < n; i++)
    {
        vec = (I3 - F[i]) * Q.col(i);
        err2 += vec.squaredNorm();
    }
}

bool lhm::compute_pose(
    Eigen::Ref<Eigen::Matrix3d> R_, Eigen::Ref<Eigen::Vector3d> t_)
{
    int i, j = 0;

    Eigen::VectorXd p_bar;
    Eigen::Matrix3d sum_F, I3;
    I3 = Eigen::MatrixXd::Identity(3, 3);
    sum_F.setZero();

    p_bar = P.rowwise().mean();

    for (i = 0; i < n; i++)
    {
        P.col(i) -= p_bar;
        F[i] = Q.col(i) * Q.col(i).transpose() / Q.col(i).squaredNorm();
        sum_F = sum_F + F[i];
    }

    G = (I3 - sum_F / n).inverse() / n;

    err = 0;
    err2 = 1000;
    absKernel();

    while (std::abs(err2 - err) > TOL_LHM && err2 > EPSILON_LHM)
    {
        err = err2;

        absKernel();

        j += 1;
        if (j > 100) break;
    }

    R_ = R;
    t_ = t - R * p_bar;

    return 1;
}