视觉slam14讲之相机模型

1. 单目相机模型

    a. 首先， 世界坐标系下有一个固定的点P，世界坐标为Pw。
    b. 由于相机在运动，它的运动由R,t或变换矩阵T描述。P的相机坐标为P’ = R*Pw + t。
    c. 这时的P’仍有X, Y, Z三个量，把他们投影到归一化平面Z=1上，得到P的归一化相机坐标：Pc = [X/Z,Y/Z, 1]T.
    d. 最后，P的归一化坐标经过内参后，对应到它的像素坐标：Puv = KPc。
其中共谈到了4种坐标：世界坐标，相机坐标，归一化相机坐标和像素坐标。

2. 双目相机模型

      明显上述有缺陷， 仅根据一个像素，我们是无法确定这个空间点的具体位置的，因为从相机光心到归一化平面连线上的所有点，都可以投影至该像素上。这时我们需要它的深度，正如人眼通过视差来判断物体与我们之间的距离，双目相机一样如此。

      这个就是双目相机的几何模型，Ol,Or是两个相机。Pl, Pr是成像点，P点是物体。由上图可得出以下公式：
z-f : z = (b - uL + uR) ：b
稍加整理:
z = fb/d d = uL - uR
这里，d为左右图的横坐标之差，称为视差。 根据视差，我们可以估计一个像素与相机之间的距离。视差与距离成反比。由于视差最小为一个像素，于是双目的深度存在一个理论的最大值，由fb确定。事实上，视差公式推导简单，但视差d的计算对与计算机来说却比较困难。使用到GPU或FPGA来计算

3.RGB-D（深度）相机模型

目前根据原理分为两类：

    a. 通过红外结构光( Structured Light )来测量像素距离。例：Kinect 1代，Project Tango 1代，Inter RealSense等。由光结构的偏移计算
    b. 通过飞行时间法( Time-of-flight,TOF )原理测量像素距离。例：Kinect 2代和一些现有的ToF传感器等。类似激光传感器，不过激光传感器是通过逐点扫描来获取距离，而ToF相机则可以获得整个图像的像素深度。
    c . RGB-D相机自己完成深度与彩色图像素之间的匹配，输出一一对应的彩色图和深度图。我们可以在同一图像位置，读取到色彩信息和距离信息，计算像素的3D相机坐标，生成点云( Point Cloud )。