三维重建学习（二）相机的标定（上）

前言

这一篇主要补充一些关于三维重建的数学理论和模型，因为想理解相机的标定需要有一定的理论基础。相机标定的具体方法以及数学表达在下一篇具体讲解。

Homogeneous Coordinate 齐次坐标

齐次坐标与我们一般使用的笛卡尔坐标（下文统一用非齐次坐标代称）有一个本质的区别，就是齐次坐标多了一个component，具体来说，在三维世界中，非齐次坐标用（x, y, z）来刻画一个点的位置。而齐次坐标则是(x, y, z, 1)或者更一般化的(x, y, z, w)。

显然最大的疑惑是为什么要引入齐次坐标？或者说用齐次坐标刻画三维世界有什么独特的好处？齐次坐标最大的特点叫做 “Invariant to scaling”.简单来说，齐次坐标对于乘以或者除去一个常量的运算可以保持不变。为什么是这样？这个问题我先不回答，接下来讲完齐次坐标与非齐次坐标的转换后，答案自然就明了了。

Inhomogeneous to Homogeneous

将一个点从非齐次坐标转换成齐次坐标很简单，而且是绝对的。

例如点 (x, y, z, w) ，首先要将其最后一个量化成1，即（x/w, y/w, z/w, 1），然后取前三个量即可得到对应的齐次坐标。从这就很容易理解，为什么非齐次坐标乘以一个标量后，并没有实际意义，因为其实际对应的齐次坐标点并没有发生改变。

Homogeneous to Inhomogeneous

把一个点从齐次坐标转换到非齐次坐标中，默认到方法就是在原坐标中再加一个1，即 (x, y, z) 变成了 (x, y, z, 1)。但事实是这不是一个单一解的绝对过程，从上面的转换也可以看出，非齐次坐标中的一个点对应齐次坐标中的唯一一个点，但是反之却并不唯一。点（x，y，z）可以对应由任何实数w构成的点（wx，wy，wz，w）。

Camera Model 相机模型

Pinhole Camera Model 小孔成像

根据相似三角形，可以表达出空间中的点X与原点C的连线最终交与投影平面的点的3D坐标

想拿到这个3D点在2D平面上的坐标，只要把Z轴的量舍去即可

<