立体视觉的新旧概念

立体视觉或双目视觉是计算机视觉中的一个难点，有很多教程，如SfM方面，但结合基础和现实应用，缺乏一个方便理解和自包含的教程。本文探讨这个问题，给出一个容易理解的思路，对比分析，回答一些本质的问题。

1. SfM理论入门不难，先统一些术语，3D坐标系按右手法则，大拇指指向上，四指伸直再弯曲，对应的坐标就是，大拇指指向 Z轴正向，四指没弯前指向X正向，弯后，相当于四指指向变了90度，指向Y正向。不管空间姿态如何，面对各种朝向出现，这样去矫正自己的空间想象就对。

比如，如果大拇指指向X正向，表示沿着围绕着X旋转，四指的弯前,弯后= 指向Y，Z的正向。如果大拇指指向Y正向，四指弯前，弯后= 指向Z，Y的正向。

在2D，右手系，X到Y，是旋转正的角度，同样的3D右手系，正的旋转角度是匹配的。这里主要为了澄清 公式中用的角度是正还是负，平移的前面是正还是负？

有些教程或软件产品采用的左手系，这里不用，避免混淆，ComputerVision一般是没有统一右手还是左手系。因为,比如旋转矩阵（3x3）在左，一个3D矢量（3x1）在右，两者相乘，按右乘法则得到新的3D矢量位置。不论是左右手系，旋转转化运算都是矩阵的右乘。但新的矢量是按左手 或右手系理解具体的正负符号（朝向），这是理解的基础， 但一般教程忽略在开始的时候专门标注清楚，它关注的是矩阵运算的公式，没有指出左右手是否区别其他的教程左右手，教程看多了没意识到他们是用的不同左右手。

2. world coordinates space 或 system, camera coordinates, image coordinates, 为什么要这几个体系的数学形式？就好像同一物质进入不同人的大脑，有自己一套语言，尺度，色彩等描述，虽说是各自表述，一个建筑物顶角脱落一块，有人说白墙脱落，有人说红色的风吹过，有人说灰色的微粒动了动，到底是同一事件发生吗？

所以 world - camera - image 是一种抽象的归一化。每人用自己的最好理解最简单的数据表示出来。不然一个巨人与一个昆虫在一起计算，使用绝对量不如归一化的相对量。