SLAM系统核心算法——摄像机几何

本文是北京邮电大学人工智能学院鲁鹏老师讲授的《计算机视觉之三维重建篇——深入浅出SFM系统与SLAM系统的核心算法》系列课程的学习心得。

针孔模型与透镜

针孔摄像机实现了三维点到二维点的映射，下图中f表示焦距，o表示光圈（针孔，摄像机中心）

根据相似三角形

 

 

随着光圈尺寸的缩小，成像效果越来越清晰，但是到达胶片的光线变少，成像效果越来越暗，因此，增加透镜，将多条光线聚焦到胶片上，增加了照片的亮度。

但是，透镜问题会带来径向畸变。径向畸变分为枕型畸变和桶型畸变。枕型畸变（左图）像点相对于理想像点沿径向向外偏移，远离中心。桶形畸变（右图）像点相对于理想像点沿径向向中心靠拢。

摄像机几何

摄像机几何描述了如何将三维点映射到二维点，其中需要考虑偏置和单位变换。

偏置是指像素坐标原点相对于光心坐标有一个偏移量。像素坐标原点一般取在图片的一角。

单位变换是将三维空间中的单位：m，转换为像素坐标中的单位：像素。f的单位为m，k和l的单位为pixel/m。

就可以得到这样一个映射关系：

再将欧式坐标映射为齐次坐标，转化为矩阵形式，可以得到：

 考虑摄像机偏斜问题，实际上的映射关系为：

定义摄像机内参数矩阵K，K有5个DOF。

实际上，仅仅使用摄像机坐标系描述三维物体的空间信息并不方便，需要考虑进一步的映射，即将世界坐标系下的点映射到摄像机坐标系，再将摄像机坐标系的点映射至像素坐标系中。

M共有5+6=11个DOF。（疑问，为什么最后一个元素是1）

其他摄像机模型

弱透视投影摄像机

在欧式坐标下，像素坐标与3D坐标只差一个放大系数