第五讲:相机与图像

针孔相机模型:

照片记录了真实世界在平面上的投影
丢失了距离上的信息。
普通相机可以用针孔模型近似。

针孔相机模型:

点P通过相机光心,在成相平面成了一个像P’。
在这里插入图片描述
我们可以通过相似三角形原理,得出:
#公式1
上图中[图5-1中]我们得到的是倒立的像,但在实际生活中,我们一般会把这个像翻转过来,所以翻转到前面后,我们可以得到新的公式:
在这里插入图片描述
整理两个公式,我们可以得到:
在这里插入图片描述
物理成相平面的中心并不一定在该平面的中心,同时,在成像过程中还存在着一定的缩放,所以我们得到新的关系:
在这里插入图片描述
我们将上方的式子,带到原有的公式:
在这里插入图片描述
得到新的关系:
在这里插入图片描述
用矩阵表达出来是这样的:
在这里插入图片描述
中间的矩阵叫做内参数矩阵,我们认为,相机出场时内参就是固定的,右边的[X,Y,Z]T是非其次坐标。
如果你对图像进行了剪裁、缩放、平移等等操作的话,那么内参矩阵会发生一些变化。
在这里插入图片描述
P从世界矩阵变化到相机坐标:
在这里插入图片描述
这里 R, t 或 T 称为外参,外参也是SLAM估计的目标。
右侧式子隐含了一次非齐次到齐次的变换。

个人见解:上式中,相机内参矩阵描述了因相机的缩放、平移等操作对实际的影响,而R、t矩阵,也就是旋转平移矩阵T,描述的是相机姿态、方位对相机坐标系下的点的坐标与世界坐标系下点的坐标的影响。真实世界的坐标,在经过两次矩阵变换后,映射到了相机平面内,被刻画到相机坐标系中。

畸变

在这里插入图片描述
原本小孔成像模型中,我们的光线都是沿着直线传播的,但是由于相机的结构中存在着一些光学透镜,导致成像后的图像发生了扭曲,原本直立的高楼变得扭曲,上面的图片就是广角镜头产生畸变时的效果。
在这里插入图片描述

除了这两种畸变外,还有一种切向畸变
在这里插入图片描述
径向畸变可以用归一化坐标的变换来描述:
在这里插入图片描述
切向畸变:
在这里插入图片描述
放在一起,可以保留各项系数:
在这里插入图片描述

小结

1.首先,世界坐标下有一个固定的点P,世界坐标为 P w P_w Pw
2.由于相机在运动,他的运动由R、t或变换矩阵T来描述,P的相机坐标为:
P c ′ = R P w + t P'_c=RP_w+t Pc=RPw+t
3.这时的P‘c有三个量,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]
4.对归一化的坐标进行畸变处理
5.最后,对应到他的像素坐标: P u v = K P c P_{uv}=KP_c Puv=KPc

双目相机

左右相机中心距离称为基线
在这里插入图片描述
左右像素的几何关系:
在这里插入图片描述
整理得到:
a

RGB-D相机:物理手段测量深度

ToF或结构光两种主要原理
通常能得到与RGB图对应的深度图
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值