相机的内参,外参,畸变等参数到底是什么意义,这里从基本原理入手,进行推导。
https://web.stanford.edu/class/cs231a/course_notes/01-camera-models.pdf
https://www.cnblogs.com/wangguchangqing/p/8126333.html
1. 小孔模型
3维世界里所有的点,经过相机的镜头,小孔,都会在相机的感光元件上留下对应的投影点。
O是相机中心点,f是相机中心点到成像平面的距离,又叫做焦距。为了方便计算推导,一般也会把成像平面放到物体和相机中心点之间。
理想情况下,投影点和3D点的变换关系。x,y是在图像平面的尺寸,z是点的距离或者叫深度。
2. 相机和镜头
使用镜头,替代小孔,可以保证从某点发射的光束,经过镜头之后,都汇聚到同一点上。但是这个只针对某些距离的点,对焦平面之外的点,还是存在模糊的现象。
因为镜头的特性,可以类似模拟小孔成像的特点,从而建立pinhole的模型。
但是因为镜头厚度不一样,不同位置焦距不统一,因此会导致畸变。
3. 齐次矩阵
cx,cy,因为坐标系的原因,相机坐标系原点在中心,图像平面原点在左上角。
f,焦距,也就是中心点到成像平面的距离。
z就是实际3D物体点距离相机中心点的距离。
考虑到离散的像素和实际尺寸的转化,引入新的参数,k,l。单位是pixels/cm
转化为齐次矩阵后,
引入skew和distortion,
skew,代表lens的中心角度的偏移
distortion,上面讨论到的lens厚度不一致,带来的焦距的不统一,带来的图像畸变。
4. 外参矩阵
上面的内参,表达的是在相机坐标系下的3维点,如何投影到图像的像素坐标下。可能额外的有另外一个世界坐标系,这样就存在世界坐标系和相机坐标系的转换,这个一般常见的4x4的转换矩阵。
5. 相机的标定
利用已知尺寸的棋盘格,寻找多组点和图像的映射关系,求解线性方程组,获得内外参。