视觉SLAM十四讲之对极几何笔记

https://www.guyuehome.com/7832
相机成像过程
$$p=KP$$
p是图像的像素点坐标，K是相机的内参矩阵，P是相机坐标系下的三维坐标。

将世界坐标系转化成像素坐标系的公式如下：
$$P_{uv}=KT{P}_w$$
其中，$T\ast P_w$就是将世界坐标系下的一个点$P$从世界坐标系转化成相机坐标系，T是外参矩阵。求得再与内参矩阵K相乘，获得的就是像素坐标系。

先来说 三个坐标系，分别是世界坐标系，相机坐标系，和图像坐标系。
如果说是四个坐标系，那么就需要再加上像素坐标系

相机中有四个坐标系，分别为world，camera，image，pixel

• world为世界坐标系，可以任意指定xw轴和yw​轴，为上图P点所在坐标系。
• camera为相机坐标系，原点位于小孔，z轴与光轴重合，xw​轴和yw​轴平行投影面，为上图坐标系XcYcZc。
• image为图像坐标系，原点位于光轴和投影面的交点，xw轴和yw​轴平行投影面，为上图坐标系XYZ。
• pixel为像素坐标系，从小孔向投影面方向看，投影面的左上角为原点，uv轴和投影面两边重合，该坐标系与图像坐标系处在同一平面，但原点不同。当我们看到$u,v$的时候，就认为该点是在像素坐标系下进行的。

世界坐标系下的点是三维点，相机坐标系和图像坐标系都是二维点。内参矩阵就是关于焦距和x,y坐标的偏移矩阵，其中，$f_x,f_y$的由来如下所示：

其中，u,v是像素坐标。

下式为像素坐标pixel与世界坐标world的变换公式，右侧第一个矩阵为相机内参数矩阵，第二个矩阵为相机外参数矩阵。

其中$x_1,x_2$为归一化坐标，也就是由$x,y,z$三个点构成的三维坐标，其中第三维是归一化之后是1，可参考下面。