普通相机模型(针孔相机模型)——从世界坐标系到图像坐标系

普通相机模型

在摄影和计算机视觉领域，普通相机模型（或称为针孔相机模型）是理解图像获取过程中最基本的模型之一。这种模型虽然简化了真实相机的复杂性，但却提供了足够的精确度，用于解释和模拟从三维场景到二维图像的转换过程。

1. 相机模型的基本原理

普通相机模型基于一个极为简化的想法：一个“针孔”或者一个无大小的点，光通过这个小孔投影到相机后面的成像平面上。在这个模型中，所有的光线在进入针孔前都是平行的，而当它们穿过这个小孔后，就会在成像平面上形成一个倒置的图像。

2. 几何描述

从几何学的角度来看，针孔相机模型可以描述为一个原点（光心或针孔的位置），以及一个与原点垂直的图像平面。图像平面通常设定在原点的负z轴方向上，与原点之间的距离被称为焦距$f$。焦距是影响成像大小的关键参数。

3. 坐标系转换

在图像处理和计算机视觉中，从世界坐标系转换到相机坐标系，再到图像坐标系的过程可以通过一系列的数学公式来表达。以下是这些转换的详细步骤和对应公式：

1. 从世界坐标系到相机坐标系

首先，需要将世界坐标系中的点$P_w=(X,Y,Z)$ 转换到相机坐标系中的点 $P_c=(X_c,Y_c,Z_c)$。这一步骤通常涉及旋转和平移，可以用以下矩阵表示：

$$P_c=\mathbf{R}({\mathbf{P}}_w-\mathbf{C})$$

其中， $R$是一个 3x3 的旋转矩阵，描述了相机相对于世界坐标系的旋转。$C$是相机在世界坐标系中的位置，表示为一个向量。

2. 从相机坐标系到图像平面坐标系

接下来，将相机坐标系中的三维点 $P_c$ 投影到相机的图像平面。这个转换涉及焦距 $ f $ 和图像平面的尺度因子 $s_x$ 和$s^{}$