八参数方法（单目结构光）

系统模型

如图所示，为八参数方法的系统模型，其中相机、投影仪、参考面的三维坐标系原点分别为$O_c$、$O_p$和$O$。我们设置投影仪的投影中心$O_p$与系统的参考面同处在$z$轴方向，相机则以另一个视野处在参考面坐标系 $O$的 任意三维位置。假设空间中有一点$P$，在参考面坐标系下的坐标为$(x,y,z)$，在相机坐标系下的坐标为$(x_c,y_c,z_c)$，该点成像于相机平面的$p(u,v)$点。此外，点$P$投影在参考面$XOY$下的点为$P^{\prime }$，并在$x$轴的点为$P^{\prime \prime }$。投影仪投影到$P$点的光线与参考面相交于$D$点，且该点在$x$轴的点为$D^{\prime \prime }$，因此可知，$D$点的相位与$P$点的相位是相等的。

测量原理

参考面坐标系下相位与三维坐标关系

由相似三角形$△O{P}^{\prime }{P}^{\prime \prime }$ $\sim$ $△OD{D}^{\prime \prime }$可知,

$$\frac{O{P}^{\prime }}{OD}=\frac{O{P}^{\prime \prime }}{O{D}^{\prime \prime }}(1)$$

由相似三角形$△DP{P}^{\prime }$ $\sim$ $△D{O}_p{O}^{\prime \prime }$可知,

$$\frac{O{P}^{\prime }}{OD}=\frac{O{O}_P-P^{\prime }P}{O{O}_p}(2)$$

联立公式（1）和（2）可得：

$$\frac{O{P}^{\prime \prime }}{O{D}^{\prime \prime }}=\frac{O{O}_P-P^{\prime }P}{O{O}_p}$$

由相位与位置关系可得：

$$O{D}^{\prime \prime }=\frac{\lambda }{2\pi }(\theta -{\theta }_0)（3）$$

其中，${\theta }_0$为$O$点的相位，$\theta$为$D$点的相位，$\lambda$为条纹周期。

将公式（3）带入公式（2）得：

$$\frac{O{P}^{\prime \prime }}{\frac{\lambda }{2\pi }(\theta -{\theta }_0)}=\frac{O{O}_P-P^{\prime }P}{O{O}_p}$$

$$\frac{2\pi O{P}^{\prime \prime }}{\lambda (\theta -{\theta }_0)}=\frac{O{O}_P-P^{\prime }P}{O{O}_p}$$

$$2\pi O{P}^{\prime \prime }\times O{O}_p=\lambda (O{O}_P-P^{\prime }P)(\theta -{\theta }_0)$$

$$2\pi x\times l=\lambda (l-z)(\theta -{\theta }_0)$$

$$\theta =\frac{2\pi lx}{\lambda (l-z)}+{\theta }_0（4）$$
于是我们得到了参考面坐标系$O$下三维坐标与相位的关系。接下来我们需要获取相机坐标系下相位与三维坐标的关系，那需要建立一个参考面与相机的关系。

参考面坐标系$O$与相机坐标系$O_c$的关系

$$\begin{array}{c}\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\end{array}\right]=\left[\begin{array}{cc}\mathbf{R}& \mathbf{T}\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]=\left[\begin{array}{cccc}{r}_1& r_2& r_3& t_1\\ r_4& r_5& r_6& t_2\\ r_7& r_8& r_9& t_3\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]\end{array}（5）$$

相机坐标系下三维点与相机的关系

通过联系投影仪与相机关系(4) 和 相位与三维的关系(5) 我们可以得到下面的公式，既相机坐标系下三维点$(x_c,y_c,z_c)$ 与相位的关系：
$$\theta =\frac{a_1{x}_c+a_2{y}_c+a_3{z}_c+a_4}{a_5{x}_c+a_6{y}_c+a_7{z}_c+a_8}（6）$$

相机坐标系下三维坐标推导表示

在相机坐标系下，二维的图像坐标与三维坐标$(x_c,y_c,z_c)$有如下的关系
$$\begin{array}{c}{s}^r\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}{f}_x& 0& u_0\\ 0& f_y& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\end{array}\right]\end{array}（7）$$

结合上面的公式（6）和（7），可以得三个方程，正好可以求解三个未知的三维坐标。
$$\begin{array}{c}{z}_c=f(a_1,...,a_8,f_x,f_y,u_0,v_0)\\ x_c=\frac{z_c(u_c-u_0)}{f_x}\\ y_c=\frac{z_c(v_c-v_0)}{f_y}\end{array}（8）$$
其中，($u_0$,$v_0$)为相机的主点坐标，$a_1,...a_8$为相位与三维坐标的参数，$f_x和f_y$为相机焦距。

实验

相机标定

Opencv和matlab都采用了多种相机标定的方法，一般采用棋盘格或者圆点特征标定板对相机标定，标定后可以得到相机的内参和外参矩阵。具体步骤如下：

1. 放置标定板

如下图所示，实验中使用了一个12×9的棋盘格进行标定，首先使用相机采集一张纯色的棋盘格照片，并提取其角点信息。

2. 投影条纹建立相位与三维坐标关系

在上面的基础上，不要移动标定板，继续投影一组条纹编码到棋盘格上，如相移+格雷码、多频外差等等。采集的部分图像如下图所示。通过相位解码方法，求取绝对相位信息，并进一步确定角点的相位信息，便可以建立相位与三维点的关系。

3. 重复1-2步骤多次

移动标定板姿态，继续重复1-2的步骤，重复8-12次，得到多组标定图像，可以确定如下的关系：（1）相机的内参；（2）相位与三维坐标的关系即$a_1,...a_8$。这样，公式（8）中的系统参数便可以得到。

三维测量

1. 条纹投影

如下图所示，实验对一个物体进行相移+格雷码条纹投影。

2. 相位求解

3. 点云重建

重建的三维点云如下所示，如需整套八参数法代码可以通过链接获取。