本文详细解释了Kitti数据集中calib.txt文件中，特别是针对0号相机与1号相机外参的计算，包括投影矩阵Pi的含义，以及如何通过文件数据计算相机之间的基线长度。
在学习视觉SLAM14讲ch13代码部分使用到Kitti数据集，在此对数据集中calib.txt文件各参数含义进行解释
Kitta/data_odometry_gray/dataset/sequences/00/calib.txt文件
其中：
P0代表0号相机 左边灰度相机
P1代表1号相机 右边灰度相机
P2代表2号相机 左边彩色相机
P3代表3号相机 右边彩色相机
接下来解释Pi中12个数字的含义
Pi矩阵是当世界坐标系和参考相机0的坐标系重合时的投影矩阵
对于相机1、2、3而言，相机0相对于他们的外参数旋转矩阵为单位矩阵 I ，即：
即有：
根据文件calib.txt文件可得
相机0，1，2，3的外参为：
下面计算相机0和相机1的外参中的平移向量 t ，由上式可得：
即相机0和相机1的外参中的平移向量 t 为：
即相机0和相机1的基线 b 的长度为：
由最上面第二张图片可得，Cam0(gray)和Cam1(gray)的基线长度 b 为0.54米，计算结果准确。
参考：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
