像素坐标转换实际坐标python_像素坐标转世界坐标的计算

原理

下图表示了小孔成像模型(图片及公式参考opencv官方资料)

这个图里涉及4个坐标系：

世界坐标系：其坐标原点可视情况而定，可以表示空间的物体，单位为长度单位，比如mm，用矩阵

表示；

相机坐标系：以摄像机光心为原点(在针孔模型中也就是针孔为中心)，z轴与光轴重合，也就是z轴指向相机的前方(与成像平面垂直)，x轴与y轴的正方向与世界坐标系平行，单位为长度单位，比如mm，用矩阵

表示；

图像物理坐标系(也叫成像平面坐标系)：用物理长度单位表示像素的位置，坐标原点为摄像机光轴与图像物理坐标系的交点位置。坐标系为图上o-xy，单位为长度单位，比如mm，用矩阵

表示。

像素坐标系：坐标原点在左上角，以像素为单位，有明显的范围限制，即用于表示全画面的像素长和像素长宽，矩阵

表示。

以下公式描述了

、

、

和

之间的转换关系。

以上公式中，

和

表示1个像素有多少长度，即用传感器的尺寸除以像素数量，比如2928.384umx2205.216um的传感的分辨率为2592x1944，每个像素的大小即约1.12um。

表示焦距，在上图中根据相似三角形，P点和p点具有以下关系：

即

，可见：

越大，

和

越大，

越大，

和

越小。

和

表示中心点在像素坐标系中的位置。

要求像素坐标系中某像素点对应在世界坐标系中的位置，需要知道相机的内参、外参，相机的内参可以通过标定获得，外参可以人为设定。

第一步，将像素坐标变换到相机坐标系：

两边乘以K的逆后推导出：

第二步，从相机坐标系变换到世界坐标系：

将方程乘以

，可以推导出：

代码

通过输入相机的内参，旋转向量，平移向量和像素坐标，可以通过以下函数求出对应的世界坐标点。

以下代码中需求注意要对平移向量取转置，将1x3矩阵变为3x1矩阵后，才能实现3x3矩阵和3x1矩阵的乘法运算。

void cameraToWorld(InputArray cameraMatrix, InputArray rV, InputArray tV, vector imgPoints, vector &worldPoints)

{

Mat invK64, invK;

invK64 = cameraMatrix.getMat().inv();

invK64.convertTo(invK, CV