三维重建学习（三）相机的标定（下）

前言

这一部分主要讲解相机的标定在matlab中的具体实现方法。

由于特殊原因，现在实现的具体代码找不到了，我会在以后重新补上。

Computation of Camera 相机矩阵的计算

Direct Linear Transform

相机矩阵的计算运用了一个很重要的方法，叫做DLT (Direct Linear Transform)，即“直接线性变换”。这种方法的核心思维就是将所求矩阵转化成一个列向量，即将AB＝0（A，B都是矩阵）转化成A‘b＝0，这里b变成了一个向量，但是它储存的信息并没有减少，比如假设B是5x6的矩阵，那么b就是30x1的向量。这种方法的作用是巨大的，简单一点说，DLT的作用就是通过重组方程，得到一种比较好求解的形式。原本要求解AB＝0方程中的矩阵B，现在要求解A’b＝0中的向量b，即矩阵A’的right null space（零空间）。

补充完方法后，现在进入正题

 

x＝PX即投影方程，我们的目的是从这个方程中解出P，即相机矩阵。PX的运算结果是一个向量，即x，那么我们就可以运用向量的Cross Product（叉积）来构造方程。显然一个向量与自己的叉积是为零的。

接下来，将对应的值代入。注意在三维空间的线性代数中，有一个convention（不成文但大家都遵循的规则），即任意一个向量a，默认其为列向量。所以在PX的展开式中，可以看到，其实p1，p2，p3应该代表行向量，分别表示矩阵P的1，2，3行，它们储存的信息是一行的信息，但是只要用p1来表示一个向量，它就是列向量。所以我们强行要表示行向量的时候，就要用它的transpose（转置），即p1T