hongbin_xu的博客

前言由于摄像机标定中会使用到旋转矩阵以及旋转向量的知识，所以就整理了一下有关与这一部分基础知识的笔记，并进行详细的数学推导。旋转矩阵假设坐标系分别绕着xx轴旋转ϕ\phi角，绕yy轴旋转θ\theta角，绕zz轴旋转ψ\psi角，这里旋转的角度就是我们常说的pitch, roll, yaw。设任意某点在旋转前的坐标系中的坐标是(x,y,z)(x,y,z)，旋转后的坐标是(x‘,y‘,z‘)(x^{`

前言前面的几篇博客中介绍了有关相机标定的基础知识（三维重建学习(1)：基础知识：旋转矩阵与旋转向量、三维重建学习(2)：相机标定基础）。这次介绍一个十分经典的单目相机标定方法——张正友标定，并给出数学理论推导。基本方程模型我们首先约定如下表示： 二维点坐标：m=[uv]m = \begin{bmatrix} u \\ v \end{bmatrix}，三维点坐标：M=⎡⎣⎢XYZ⎤⎦⎥M = \be

前言在相机标定过程中，我们会碰到一些概念，比如：摄像机模型、世界坐标系、图像坐标系等等。为便于理解推导，所以又整理了相关的笔记，介绍的都是些比较基础的概念，也比较容易。相机模型针孔相机模型注：下面的两幅图片摘自： http://blog.csdn.net/xuelabizp/article/details/50314633 上图是现实中针孔相机的成像模型，物体的投影

前言在前面的博客中（ 三维重建学习(3)：张正友相机标定推导），推到了张正友相机标定的数学原理，并给出了标定流程。OpenCV中已经封装好了一系列函数，我们使用这些函数可以更快捷地实现张正友相机标定。程序流程准备好一系列用来相机标定的图片；对每张图片提取角点信息；由于角点信息不够精确，进一步提取亚像素角点信息；在图片中画出提取出的角点；相机标定；对标定结果评价，计算误差

前言这是我前段时间学习双目视觉时做的笔记，这一篇文章不会进行过于细致的推导，仅仅会在一些理想情况下做一些简单的推导，目标是得到一个直观上的认识：双目视觉是如何得到三维立体坐标的。以后的博客还会再放上一些详细的推导，和对双目视觉提取景深的程序实现。嘛，先一步一步来吧。 后面默认都知道摄像机的针孔模型以及相机坐标系、世界坐标系、图像坐标系等等这些概念，如果不清楚请查看之前的博客：三维重建学习(2...

前言通常，使用RGB-D相机或是其他方法获取到物体的三维点云后，由于采集设备不同、拍摄视角不同等等因素的影响，即使是同一个物体所得到的点云也会有较大的差异，主要是旋转或者平移的变化。对于一组图像数据集中的两幅图像，需要通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。所以，就需要对点云进行配准。 迭代最近点算法（ICP）是一...