标定参数介绍

参考链接：处理点云数据(五)：坐标系的转换_听说你爱吃芒果的博客-CSDN博客_点云坐标系转换相机的内外参矩阵坐标系主要有两类坐标系，一类为相机坐标系，一类为世界坐标系(即物体所处真实世界) 内参矩阵设空间中有一点P，若世界坐标系与相机坐标系重合，则该点在空间中的坐标为(X, Y, Z)，其中Z为该点到相机光心的垂直距离。设该点在像面上的像为点p，像素坐标为(x, y)。 由上图可知，这是一个简单的相似三角形关系，从而得到 但是，图像的像素坐标系原点https://blog.csdn.net/qq_33801763/article/details/77033064本文是自己学习笔记，参考一些其他大神的文章，同时记录自己的学习心得。

相机的内外参矩阵

主要有两类坐标系，一类为相机坐标系，一类为世界坐标系(即物体所处真实世界)

内参矩阵

设空间中有一点P，若世界坐标系与相机坐标系重合，则该点在空间中的坐标为(X, Y, Z)，其中Z为该点到相机光心的垂直距离。设该点在像面上的像为点p，像素坐标为(x, y)。

但是，图像的像素坐标系原点在左上角，而上面公式假定原点在图像中心，为了处理这一偏移，设光心在图像上对应的像素坐标为(cx,cy)，则

内参矩阵，只与相机的内部参数有关，（f焦距，cx，cy是光心在图像上对应的像素坐标）

外参矩阵

以上情况是世界坐标系与相机坐标系重合的特殊情况，而在一般情况下，世界坐标系中的某一点P要投影到像面上时，先要将该点的坐标转换到相机坐标系下。设P在世界坐标系中的坐标为X，P到光心的垂直距离为s（即上文中的Z），在像面上的坐标为x，世界坐标系与相机坐标系之间的相对旋转为矩阵R（R是一个三行三列的旋转矩阵），相对位移为向量T（三行一列），则

其中[R T]是一个三行四列的矩阵，称为外参矩阵，它和相机的参数无关，只与相机在世界坐标系中的位置有关。

世界坐标系——》相机坐标系——》图像坐标系

点云到相机的坐标转换

在第 i 个相机图像中，经过矫正的相机坐标3D点 X = (x, y, z, 1)^T到点Y = (u, v, 1)^T的投影表示为：

其中，为第i个相机的投影矩阵，b_{x}^{i} 表 示 相 对 于 参 考 相 机 0 的 基 线 （ 以 米 为 单 位 ) 。 为 了 在 参 考 相 机 坐 标 中 将 3 D 点 X 投 影 到 第 i 个 相 机 图 像 面 上 的 点 Y ， 相机0的矫正旋转矩阵 R_{rect}^{(0)} 也必须考虑进去，所以：

在这里，$ R_{rect}^{(0)} $ 被扩展成了4*4的矩阵，令R(4, 4) = 1，其余为0。。

最后再考虑点云到相机的外参矩阵，即。

点云在世界坐标系下坐标——》相机R0坐标系——》第i个相机坐标系——》第i个相机图像平面坐标系

投影矩阵=内参矩阵 * 基于相机0的旋转矩阵 * 外参矩阵
P_velo_to_img = calib.P_rect{cam+1} * R_cam_to_rect * Tr_velo_to_cam

外参矩阵：Tr_velo_to_cam

基于相机0的旋转矩阵：R_cam_to_rect

内参矩阵？(应该是由相机的内参矩阵得到的，彩色摄像机和灰度摄像机有区别)：calib.P_rect{cam+1}

————————————————

版权声明：本文为CSDN博主「听说你爱吃芒果」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/qq_33801763/article/details/77033064