相机标定原理

---

前言

本篇文章主要介绍如何使用相机标定，实现世界坐标系到相机坐标系，相机坐标系到图像坐标系，图像坐标系到像素坐标系，最终实现世界坐标系到像素坐标系。以下内容将具体阐述各个坐标转换的原理。

---

一、世界坐标系到相机坐标系

大白话理解：2个三维空间坐标系的转换，实际为初中几何变换公式，使用矩阵计算而已。本质还是旋转平移的过程。

1.变量概念

2.求解方法

世界坐标系到相机坐标系方法如下：
默认方法：旋转和平移方法；
其它方法：旋转矩阵，欧拉角，四元数，轴角，李群和李代数；
旋转应用场景：惯性导航，机器人学（机械臂运动学，无人机姿态估计，slam等）

3.旋转矩阵公式推导

本图说明：红点假设为物体p（物体未发生变化，只是坐标系建立方法不同而已），黑色为原坐标系，蓝色为绕X轴旋转坐标系，旋转角为seta。

求解新坐标系(Xc,Yc,Zc)，其中绕X轴旋转，则新Xc=X将不发生变化。

Yc=oa+ab=ec+pd=ocsin(seta)+cpcos(seta)=Zsin(seta)+Ycos(seta)

Yc=ac-cd=oe-cd=occos(seta)-cpsin(seta)= Zcos(seta)-Ysin(seta)

最终表现为矩阵如下：

验证旋转是否正确(因到原点距离不变)，采用欧式距离验证：

通过以上方法类推绕Y轴，Z轴旋转，得到以下矩阵，将其相乘可得到绕X/Y/Z轴旋转的坐标转换。

如下为旋转角矩阵变换：

以上绕x轴公式的正负号偏差为角度问题，若-seta可将上面角度转为下面公式：

3.绕某轴旋转推理

以下利用几何变换推导绕Y轴变换不同的2个矩阵，若读者发现不同文章不一样，可以不用慌张，仅仅思考角度不一样，可理解seta角正负的影响，

详情推导请看下面的变换。

4.左乘与右乘

平移向量可表示为：

5.转换公式(外参)

通过旋转矩阵与平移向量可求R与t，即为相机的外参R、t：

二、相机坐标系转换为图像坐标系

相机坐标系到图像坐标系转换过程是将三维转换到二维平面，其原理符合小孔成像，可采用相似三角形求解转换公式。

1.原理与公式

小孔成像示意图：

从下图上，如果相机坐标系到图像坐标系的转化，我们可以理解为，如何将相机坐标系下的3D点 P(Xc,Yc,Zc) 映射到 P(x,y) 上，通过蓝色虚线部分，我们可以得到两个相似三角形 OcCP和 OcPB ，其中相机坐标系的原点 Oc 到图像坐标系的原点O 的距离，我们称之为焦距 f 。

利用相似三角形可得：

最终可转换如下：

说明：Zc实际为相机坐标系Z轴的值，可通过如下形式得到：

三.图像坐标系到像素坐标系

1.原理

图像坐标系转像素坐标系实际是比列尺(属于缩放问题)与移动问题，首先是(U0，V0) 这个我们可以理解为，从图像坐标系中心点到像素坐标系中心点的一个偏移量。属于相机内参的一部分。另外，如果我们已知图像坐标系的一个点P(x,y) ,我们还应该知道，横坐标的每一个mm对应像素是多少。即有如下公式：

其中dx与dy表示x轴与y轴物理像素尺寸，即1个像素是dx毫米。

2.公式

最终公式如下：

四.世界坐标系到像素坐标系

1.公式

最终实现世界坐标系到像素坐标系的转换：

上图可知M2为相机外参，M1为相机内参

2.流程

---

总结

本文解释世界坐标系到像素坐标系的原理。