（一）相机标定——四大坐标系的介绍、对应转换、畸变原理以及OpenCV完整代码实战（C++版）

一、四大坐标系介绍

1，世界坐标系

从这个世界（world）的视角来看物体
世界坐标系是3D空间坐标，每个点的位置用$(X_w,Y_w,Z_w)$表示

2，相机坐标系

相机本身具有一个坐标系，其也是3D空间坐标
从相机（camera）的视角来看物体，每个点的位置用$(X_c,Y_c,Z_c)$表示

3，图像坐标系

相机坐标系是3D空间的，而我们通过相机拍照得到的照片却是2D平面，这之间涉及到了透视投影(perspective projection)，大白话就是相似三角形，将3D空间上的点映射到2D平面上
图像坐标系是实际的物理坐标系$(x,y)$，其原点位置一般在相机光轴成像与成像平面的交点位置，通常为成像平面的中心点，物理单位为mm

4，像素坐标系

我们在处理图像数据的时候，使用的是像素坐标系$(u,v)$，比如这个图像的大小为1080*720，即长和宽为1080和780个像素；分辨率等相关概念也是这个大概意思，单位是像素pixel
每个像素都有对应的实际物理尺寸，比如1像素=0.5mm
像素有些情况是矩形，分为x和y方向的长度

5，总结

我们需要通过一些手段，将原本在世界坐标系下的点转换到像素坐标系下
世界坐标系是因为物体本身真实存在的位置，而转到像素坐标系下是因为我们在进行图像处理的时候针对的是像素
故，相机标定的最终目的是实现世界坐标系和像素坐标系之间的转换

二、四大坐标系转换

1，世界坐标系——相机坐标系

相机坐标系和世界坐标系都是3D空间坐标系，任何一个空间中的点，都可以通过旋转和平移进行相互转换

假设世界坐标系下有个点$P_w(X_w,Y_w,Z_w)$，通过乘以一个变换矩阵（旋转R+平移T）就可以得到相机坐标系下的对应位置$P_c(X_c,Y_c,Z_c)$

$$\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\end{array}\right]=\left[\begin{array}{ccc}{R}_{11}& R_{12}& R_{13}\\ R_{21}& R_{22}& R_{23}\\ R_{31}& R_{32}& R_{33}\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\end{array}\right]+\left[\begin{array}{c}{T}_1\\ T_2\\ T_3\end{array}\right]$$

为了后续的计算方便，转换为齐次坐标系进行表示
$$\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right]=\left[\begin{array}{cccc}{R}_{11}& R_{12}& R_{13}& T_1\\ R_{21}& R_{22}& R_{23}& T_2\\ R_{31}& R_{32}& R_{33}& T_3\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$$

其中这个变换矩阵（旋转R和平移T）称为相机外参：
[ R 11 R 12 R 13 T 1 R 21 R 22 R 23 T 2 R 31 R 32 R 33 T 3 0 0 0 1 ] \begin{bmatrix} R_{11}&R_{12}&R_{13}&T_1\\ R_{21}&R_{22}&R_{23}&T_2\\ R_{31}&R_{32}&R_{33}&T_3\\ 0&0&0&1 \end{bmatrix} ​R11​R