摄像机模型-CSDN博客

本文链接：https://blog.csdn.net/akgvl/article/details/126260139

眼睛模型

通过眼睛可以看到外面的世界，下面我们来了解一下眼睛成像的生物构造与原理。
在这里插入图片描述

眼睛功能图眼睛构造：眼角膜、虹膜、瞳孔、视网膜、视神经...

注释：

英文	中文	功能
cornea	眼角膜	为眼睛提供大部分屈光力。加上晶体的屈光力，光线便可准确地聚焦在视网膜上构成影像
iris	虹膜	调节晶状体厚度，可以控制瞳孔的大小
pupil	瞳孔	控制进入眼睛内部的光量大小
retina	视网膜	感光成像
lens	晶状体	晶状体为一个双凸面透明组织，是眼球屈光系统的重要组成部分，也是唯一具有调节能力的屈光间质
optic nervesl	视神经	传输图像

眼睛功能与镜头功能的对应图

眼睛功能与镜头功能的对应图1

眼睛功能与镜头功能的对应图2 摄像机的结构与眼睛与是一样的。

眼睛与相机之间的功能对比

眼睛到摄像机模型的抽象（针孔）

在这里插入图片描述

小孔成像构造

在这里插入图片描述

小孔成像数学描述

在这里插入图片描述

右手准侧坐标系

最简单的透视投影形式。
在这里插入图片描述

理想情况下的3D坐标与2D图像坐标之间的关系

正交投影
理想情况下，3D场景与摄像机的距离是无限的，所有投影线都平行于光轴，但在摄像机中很难实现这样的场景。

缩放正交投影

场景深度 << 到摄像机的距离。
Z 对于所有场景点都是相同的（只有一个距离）

在这里插入图片描述

透视投影

根据以上摄像机模型可以推导，一个空间点 $[x, y, z]$ 和它在图像中的像素坐标 $[u, v, d]$ ( $d$ 指深度数据) 的对应关系是这样的：
$u = x \cdot f x z + c x$
$v = y \cdot f yz + cy$
$d = z \cdot s$
　　其中， $f x, f y$ 指相机在 $x, y$ 两个轴上的焦距， $c x, cy$ 指相机的光圈中心， $s$ 指深度图的缩放因子。

这个公式是从 $(x, y, z)$ 推到 $(u, v, d)$ 的。反之，我们也可以把它写成已知 $(u, v, d)$ ，推导 $(x, y, z)$ 的方式如下。
$z = d / s$
$x = (u - c x) \cdot z / f x$
$y = (v - cy) \cdot z / f y$

事实上根据这个公式就可以构建点云啦。

通常，我们会把 $f x, f y, c x, cy$ 这四个参数定义为相机的内参矩阵 $C$ ，也就是相机做好之后就不会变的参数。相机的内参可以用很多方法来标定，详细的步骤比较繁琐，我们这里就不提了。给定内参之后呢，每个点的空间位置与像素坐标就可以用简单的矩阵模型来描述了：
在这里插入图片描述

其中， $R$ 和 $t$ 是相机的姿态。 $R$ 代表旋转矩阵， $t$ 代表位移矢量。因为我们现在做的是单幅点云，认为相机没有旋转和平移。所以，把 $R$ 设成单位矩阵 $I$ ，把 $t$ 设成了零。 $s$ 是scaling factor，即深度图里给的数据与实际距离的比例。由于深度图给的都是short (mm单位)， $s$ 通常为1000。