一文带你搞懂相机内参外参(Intrinsics & Extrinsics)

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

摘要：本文介绍了相机的内参和外参以及推导过程，由三个部分组成：第一部分，相机内参；第二部分，相机外参；第三部分，总结。

1 相机内参

在左图中，我们把相机看作是针孔，现实世界中的点P经过相机的光心O，投影到物理成像平面上，变为点P'。

在右图中，对这个模型进行了一个简化，将其看作是一个相似三角形。

下面我们来对这个模型进行建模。

设O-X-Y-Z为相机坐标系，习惯上我们把z轴指向相机前方，x向右，y向下。O为摄像机的光心，也是针孔模型中的针孔。

设真实世界点中的P的坐标为，成像的点P'的坐标为， 物理成像平面和光心的距离为f（即为焦距）。

根据右图中的三角形相似关系，有：

其中，有负号是因为坐标轴方向，也就表示了成的像是倒立的。

为了表示起来更方便，我们把成像平面从相机的后面对称到前面去，如下图所示。这样，负号就没有了。

在对称后，有：

整理解出P'的坐标：

上面两个式子就描述了P点与它所成像的坐标关系，可以看到，X对应的X'与焦距f有关，与距离Z有关。

映射到成像平面上还不够，我们还需要将这个像给放到像素坐标系内。

我们设在物理成像平面上固定着像素平面O-U-V。

设P'在像素平面坐标系上的坐标是。

像素坐标系通常定义方式是：原点o'位于图像的左上角，u轴向右与x轴平行，v轴向下与y轴平行。

我们设像素坐标在u轴上缩放倍，在v轴上缩放了倍。同时，原点平移了Cx,Cy。

因此可以得到P'与像素坐标的关系：

代入P与P'的关系式可得：

其中，我们用,替换了f 和f 。,的单位是像素。

用齐次坐标，把上式写出矩阵的形式：

也可以把Z写到等式左边去，就变成了：

上式中，K即为相机的内参矩阵(Intrinsics)。通常来说，相机的内参在出厂之后就是固定的了。

2 相机外参

在上面的推导中，我们用的是P在相机坐标系的坐标（也就是以相机为O点），所以我们应该先将世界坐标系中的给变换到相机坐标系中的P。

相机的位姿由旋转矩阵R和平移向量t来描述，因此：

再代入之前的内参的式子，得到：

后面一个等号蕴含了一个齐次坐标到非齐次坐标的转换。

其中，R,t为相机的外参(Extrinsics)。

3 总结

本文介绍了：

1. 从相机坐标系转换到像素坐标系中，相机内参的作用

2. 从世界坐标系转换到相机坐标系中，相机外参的作用

相机内参是这样的一个矩阵：

里面的参数一般都是相机出厂就定下来的，可以通过相机标定的方式人为计算出来。

相机外参是旋转矩阵R和平移向量t构成,一般来说写成：

这个矩阵决定了相机的位姿。

参考文献：

[1] 视觉slam十四讲，高翔

[2] Step1：模型 16个相机参数（内参、外参、畸变参数）

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~