相机内参、外参、焦距及图像坐标计算的完整解析（超详细版）

---

📷 相机内参、外参、焦距及图像坐标计算的完整解析（超详细版）

---

📍 一、相机的内参和外参的详细含义

---

📌 ① 内参（Intrinsic Parameters）的含义

相机内参描述的是相机自身的光学特性，即相机在不考虑外部环境的情况下，将三维空间中的一个点如何精确地映射到相机传感器（图像平面）上。

内参矩阵（K）完整表示：

K = | fx   s   cx |
    | 0   fy   cy |
    | 0    0    1 |

具体参数的详细含义：

• 焦距（fx, fy）：

  • 表示光学中心到图像传感器的距离，以像素为单位。
  • fx 和 fy 分别表示图像在水平和竖直方向的放大倍数（像素/mm）。
  • 一般情况下 fx ≈ fy。

• 主点（光学中心）（cx, cy）：

  • 图像坐标系的原点位置，通常位于图像中心附近。

• 像素倾斜系数（s）：

  • 通常为0，表示传感器的像素横竖完全垂直。

---

📌 ② 外参（Extrinsic Parameters）的含义

相机外参描述的是相机在世界坐标系（大地坐标系）中的位置与朝向，明确了三维世界中物体坐标与相机自身坐标之间的关系。

外参用矩阵 [R|t] 完整表示：

[R|t] = | r11  r12  r13  tx |
        | r21  r22  r23  ty |
        | r31  r32  r33  tz |

具体参数的详细含义：

• 旋转矩阵（R）：

  • 表示相机相对于世界坐标系的旋转关系（姿态）。

• 平移向量（t）：

  • 表示相机坐标系原点相对于世界坐标系原点的位置。

---

📍 二、焦距的详细作用

焦距（Focal Length）决定了：

• 拍摄视野（FOV）范围的大小
• 物体在图像中的成像比例（大小）

焦距类型	视野大小	成像特点	常见用途
长焦距（数值大）	视野窄	远处物体放大明显	人像特写、远距离拍摄
短焦距（数值小）	视野宽	近处物体较小，边缘易变形	风景、广角镜头

焦距的数学关系为：

u = fx * (Xc/Zc) + cx
v = fy * (Yc/Zc) + cy

---

📍 三、已知大地参考系下物体坐标和相机内外参数，如何计算物体在图片上的坐标？

假设已知：

• 世界坐标系物体坐标：(Xw, Yw, Zw)
• 相机外参：旋转矩阵R、平移向量t
• 相机内参矩阵K

🚩 步骤①：世界坐标 → 相机坐标（外参转换）

首先利用外参（R, t）计算：

Xc = r11*Xw + r12*Yw + r13*Zw + tx
Yc = r21*Xw + r22*Yw + r23*Zw + ty
Zc = r31*Xw + r32*Yw + r33*Zw + tz

---

🚩 步骤②：相机坐标 → 图像坐标（内参转换）

利用内参矩阵K计算图像坐标(u,v)：

u = fx * (Xc/Zc) + cx
v = fy * (Yc/Zc) + cy

(u,v)即为物体在图像上的坐标。

---

🚀 Python代码完整案例（可直接运行）

import numpy as np

# 相机内参矩阵 K
K = np.array([[800, 0, 320],
              [0, 800, 240],
              [0, 0, 1]])

# 相机外参 (旋转矩阵 R 和平移向量 t)
R = np.eye(3)  # 相机无旋转
t = np.array([[0], [0], [-500]])  # 相机位于世界坐标系Z轴负方向500mm

# 世界坐标中物体坐标Pw
Pw = np.array([[100], [50], [100]])

# 世界坐标转相机坐标
Pc = np.dot(R, Pw) + t

# 相机坐标转图像坐标
uv = np.dot(K, Pc / Pc[2])

print("物体在图片上的坐标(u,v)：", uv[:2].flatten())

---

📚 知识点快速总结

参数	含义
内参	相机自身的光学参数（焦距、主点、倾斜）
外参	相机在世界坐标中的位置与方向（旋转、平移）
焦距	决定图像视野范围和物体大小
计算过程	世界坐标 → 相机坐标（外参）；相机坐标 → 图像坐标（内参）

---

✨ 以上为CSDN兼容的标准Markdown格式，复制后公式显示完全正常！