【相机模型】相机投影关系

最新推荐文章于 2024-04-15 15:17:57 发布

HoveXb

最新推荐文章于 2024-04-15 15:17:57 发布

阅读量2.2k

点赞数 5

分类专栏： # 单目摄像头测距

本文链接：https://blog.csdn.net/qq_44876051/article/details/119425951

版权

单目摄像头测距专栏收录该内容

4 篇文章

订阅专栏

最近一直在从事单目相机测距相关工作，相机模型是一个绕不过的知识点，索性趁此总结，以供后续查阅。

1.前置知识

进行相机模型介绍前，需要对基本的坐标系变换公式有一个了解。

1.1 坐标系旋转公式

在这里插入图片描述

图1.坐标轴旋转图示

如图1所示：(右手坐标系)直角坐标系 $x^{'} y^{'} z^{'}$ 绕 $z^{'}$ 轴顺时针旋转 $\theta$ 角度，得到新坐标系

$x y z$ ，则原来的坐标系下R点坐标 $[x^{'}, y^{'}, z^{'}]$ 与新坐标系下R点坐标 $[x, y, z]$ 关系为：

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $\begin{bmatrix} cosθ&-sinθ&1\\ sinθ & cosθ& 1\\ 0&0&1\\ \end{bmatrix}$ $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ =R1 $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$

同理：绕 $x$ ， $y$ 轴顺时针旋转 $\phi$ , $\omega$ :

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $\begin{bmatrix} 1&0&0\\ 0 & cos\phi& -sin\phi\\ 0&sin\phi&cos\phi\\ \end{bmatrix}$ $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ =R2 $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $\begin{bmatrix} cos\omega&0&sin\omega\\ 0 & 1& 0\\ -sin\omega&0&cos\omega\\ \end{bmatrix}$ $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ =R3 $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$

故可得旋转向量: $R=R_1*R_2*R_3$

PS：若为右手坐标系绕z轴逆时针旋转则：

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $\begin{bmatrix} cosθ&sinθ&1\\ -sinθ & cosθ& 1\\ 0&0&1\\ \end{bmatrix}$ $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ =R1 $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$

1.2 坐标系平移公式

若坐标系无旋转，前后仅平移，则

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ + $\begin{bmatrix} x_T\\ y_T\\ z_T\\ \end{bmatrix}$

1.3 坐标系转换公式

所有坐标系（无缩放）转换过程均可分解为以上两个过程，即先旋转到指定坐标系方向，再平移过去，数学表示如下

$\begin{bmatrix} x\\ y\\ z\\ \end{bmatrix}$ = $R$ $\begin{bmatrix} x'\\ y'\\ z'\\ \end{bmatrix}$ + $\begin{bmatrix} x_T\\ y_T\\ z_T\\ \end{bmatrix}$

齐次坐标表示：

$\begin{bmatrix} x\\ y\\ z\\ 1\\ \end{bmatrix}$ = $\begin{bmatrix} R_{3X3}&T_{3X1}\\ O&1\\ \end{bmatrix}$ $\begin{bmatrix} x\\ y\\ z\\ 1\\ \end{bmatrix}$

引入齐次坐标的好处：

参考：Explaining Homogeneous Coordinates & Projective Geometry

2. 相机投影公式

2.1 坐标系介绍

在进行相机投影公式推导前，需先对相关坐标系进行声明:
在这里插入图片描述

图2.坐标系图示

如图2所示，相机投影中涉及到以下四个坐标系：

$O_wX_wY_wZ_w$ :世界坐标系，一般为自定义坐标系
$O_cX_cY_cZ_c$ :相机坐标系，光心为原点
$o x y$ :图像坐标系，原点为图像中心，单位为mm
$u v$ :像素坐标系，原点为图像左上角，单位为pixel

2.2 世界坐标系到相机坐标系坐标转换

在这里插入图片描述

图3.世界坐标系->相机坐标系图示

世界坐标系到相机坐标系的转换只涉及到坐标系的旋转平移过程，可得

$\begin{bmatrix} X_c\\ Y_c\\ Z_c\\ \end{bmatrix}$ = $R$ $\begin{bmatrix} X_w\\ Y_w\\ Z_w\\ \end{bmatrix}$ + $T$

齐次坐标表示：

$\begin{bmatrix} X_c\\ Y_c\\ Z_c\\ 1\\ \end{bmatrix}$ = $\begin{bmatrix} R_{3X3}&T_{3X1}\\ O&1\\ \end{bmatrix}$ $\begin{bmatrix} X_w\\ Y_w\\ Z_w\\ 1\\ \end{bmatrix}$

2.3 相机坐标系到图像坐标系坐标转换

在这里插入图片描述

图4.相机坐标系->图像坐标系图示(小孔成像模型)

小孔成像模型下，相机坐标系->图像坐标系的坐标转换由简单的相似三角形推导可得：
在这里插入图片描述

2.4 图像坐标->像素坐标

在这里插入图片描述

2.5 总结：各坐标系间转换关系

在这里插入图片描述

世界坐标系->像素坐标系

$Z_C$ $\begin{bmatrix} u\\ v\\ 1\\ \end{bmatrix}$ = $\begin{bmatrix} \frac 1{dX}&0&u_0\\ 0&\frac 1{dY}&v_0\\ 0&0&1\\ \end{bmatrix}$ $\begin{bmatrix} f&0&0&0\\ 0&f&0&0\\ 0&0&1&0\\ \end{bmatrix}$ $\begin{bmatrix} R_{3X3}&T_{3X1}\\ O&1\\ \end{bmatrix}$ $\begin{bmatrix} X_w\\ Y_w\\ Z_w\\ 1\\ \end{bmatrix}$ =
$\begin{bmatrix} f_x&0&u_0&0\\ 0&f_y&v_0&0\\ 0&0&1&0\\ \end{bmatrix}$ $\begin{bmatrix} R_{3X3}&T_{3X1}\\ O&1\\ \end{bmatrix}$ $\begin{bmatrix} X_w\\ Y_w\\ Z_w\\ 1\\ \end{bmatrix}$

其中：

$\begin{bmatrix} f_x&0&u_0&0\\ 0&f_y&v_0&0\\ 0&0&1&0\\ \end{bmatrix}$ 即为内参矩阵

$f_x,f_y$ 为相机焦距， $u_0,v_0$ 为相机光轴与相机成像平面的交点在像素坐标系下的坐标。

$\begin{bmatrix} R_{3X3}&T_{3X1}\\ O&1\\ \end{bmatrix}$ 为相机外参

相机坐标系->像素坐标系

$Z_C$ $\begin{bmatrix} u\\ v\\ 1\\ \end{bmatrix}$ = $\begin{bmatrix} f_x&0&u_0&0\\ 0&f_y&v_0&0\\ 0&0&1&0\\ \end{bmatrix}$ $\begin{bmatrix} X_c\\ Y_c\\ Z_c\\ 1\\ \end{bmatrix}$