图像坐标系、摄像机坐标系与世界坐标系

位姿

位姿是指一个物体的位置和方向（The pose of an object refers to its location and orientation）。
一个物体的位置可以用$(x,y,z)$来表示。而方向可以用$(\alpha,\beta,\gamma )$来表示，它们是表示围绕三个坐标轴旋转的角度。所以一个位姿有6个自由度，如下图所示：

图像坐标系

首先，介绍图像坐标系。
每幅数字图像在计算机内为$M*N$数组，$M$行$N$列的图像中的每一个元素（称为像素，pixel）的数值即是图像点的灰度值。如图所示，在图像中定义直角坐标系$u,v$，每一像素的坐标$(u,v)$分别是该像素在数组中的列数和行数。所以，$(u,v)$是以像素为单位的图像坐标系坐标。由于$(u,v)$只表示像素位于数组中的行数和列数，并没有用物理单位表示出该像素在图像中的位置。所以建立以物理单位（如毫米）表示的图像坐标系的坐标。图像中任意一个像素在这两个坐标的关系为：

$$\begin{cases} u=\frac{X}{dX} +u_0& \\ v=\frac{Y}{dY}+v_0& \end{cases}$$
用齐次坐标将上式表示为：
$$\begin{bmatrix} u \\ v \\ 1 \end{bmatrix}= \begin{bmatrix} \frac{1}{dX} & 0 & u_0 \\ 0 & \frac{1}{dY} & v_0 \\ 0 & 0 & 1 \end{bmatrix}$$

摄像机坐标系和世界坐标系

由于摄像机可安放在任意位置，在环境中选择一个基准坐标来描述摄像机的位置，并用它描述环境中任何物体的位置，该坐标系称为世界坐标系。摄像机坐标系和世界坐标系之间的关系可以用旋转矩阵$R$与平移向量