Camera Calibration 学习总结

最新推荐文章于 2022-11-19 21:45:00 发布

monster222222

最新推荐文章于 2022-11-19 21:45:00 发布

阅读量825

点赞数

分类专栏：学习文章标签： camera calibration

本文链接：https://blog.csdn.net/u012702874/article/details/43348113

版权

先列出参考资料吧，

一个网上的tutorial http://lear.inrialpes.fr/people/triggs/pubs/isprs96/node1.html 不过这篇tutorial看起来比较累，它是从投影空间来看calibration的，数学的定义太多，只看了前面一点。

Camera Calibration ( Book Chapter) http://research.microsoft.com/en-us/um/people/zhang/Papers/Camera%20Calibration%20-%20book%20chapter.pdf

******************************* 齐次坐标

在之前的一篇关于坐标变换的博文（http://blog.csdn.net/u012702874/article/details/43312957）里面提到过齐次坐标，当时说的是齐次坐标的优点是可以很自然地区分点和向量。除了这个优点，齐次坐标还可以很有效地应用在投影中，使得投影过程可以以矩阵相乘的形式描述。

投影中齐次坐标的引入：

在三维空间上选定一个视平面位于 z=T，给定视平面上一点（x，y）即（x，y，T），视点（0,0,0）到（x，y, T）构成一个向量。如果规定一个标准的视平面为z=1，那么该向量上所有点投影到该平面都是同一个点（x/T，y/T，1）. 所以事实上齐次坐标前面乘以任意非零比例系数k，空间中的点 k*（x，y，T）都代表z=1平面上同一个投影点（x/T，y/T）
以上解释都是基于T不等于0。当T=0时，k*（x，y，0）代表z=0平面上的直线，它们平行于z=1这个视平面，永远不相交 ==> 这些点称作无穷点

******************************** 投影矩阵

上面我们说过，一旦有了齐次坐标表示，我们就可以用矩阵相乘表示3D到2D的投影过程。下面我们看怎么求得这个投影矩阵。