【基础知识】5、相机内外参矩阵和坐标变换

1、世界坐标系和相机坐标系的关系：

从世界坐标系到相机坐标系，涉及到物体的旋转和平移。绕着不同的坐标轴旋转不同的角度，得到相应的旋转矩阵。如下图所示：

于是，从世界坐标系到相机坐标系，涉及到旋转和平移（其实所有的运动也可以用旋转矩阵和平移向量来描述）。绕着不同的坐标轴旋转不同的角度，得到相应的旋转矩阵，如下图所示：

于是可以得到 P 点在相机坐标系下的坐标：

从相机坐标系到图像坐标系，属于透视投影关系，从3D转换到2D。

2、齐次坐标系：

齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示，是指一个用于投影几何里的坐标系统，如同用于欧氏几何里的笛卡儿坐标一般。英文名称Homogeneous coordinate system。也就是说Homogeneous国内翻译为“齐次”。

二维点(x,y)的齐次坐标表示为(hx,hy,h)。由此可以看出，一个向量的齐次表示是不唯一的，齐次坐标的h取不同的值都表示的是同一个点，比如齐次坐标(8,4,2)、(4,2,1)表示的都是二维点(4,2)。

齐次坐标表示是计算机图形学的重要手段之一，它既能够用来明确区分向量和点，同时也更易用于进行仿射（线性）几何变换。”—— F.S. Hill, JR。

给出点的齐次表达式[X Y H]，就可求得其二维笛卡尔坐标，即 $[XYH]\to =[X/HY/HH/H]\to =[xy1]$， 这个过程称为归一化处理。 在几何意义上，相当于把发生在三维空间的变换限制在H=1的平面内。

许多图形应用涉及到几何变换，主要包括平移、旋转、缩放。以矩阵表达式来计算这些变换时，平移是矩阵相加，旋转和缩放则是矩阵相乘，综合起来可以表示为p’ = m1p+ m2（注：因为习惯的原因，实际使用时一般使用变化矩阵左乘向量）(m1旋转缩放矩阵， m2为平移矩阵， p为原向量 ，p’为变换后的向量)。引入齐次坐标的目的主要是合并矩阵运算中的乘法和加法，表示为p’ = Mp的形式。

你会发现(1, 2, 3), (2, 4, 6) 和(4, 8, 12)对应同一个Euclidean point (1/3, 2/3)，任何标量的乘积，例如(1a, 2a, 3a) 对应 笛卡尔空间里面的(1/3, 2/3) 。因此，这些点是“齐次的”，因为他们代表了笛卡尔坐标系里面的同一个点。换句话说，齐次坐标有规模不变性。

使用齐次坐标的另一个好处是，能够表示n维空间中的无穷远点，即（x1,x2,…,xn,0）表示n维空间中无穷远点，而它在n+1维空间中该点是在有限区域内的。有了上面的齐次坐标的概念，我们就可以把上面三种变换的形式统一起来。

3、相机坐标系

四个坐标轴的变换关系：

（1）从 world 到 camera

（2）从camera到image

（3）从 image 到 pixel

（4）从world 到 pixel