为了定量描述光学成像过程,我们首先定义三个坐标系。
1.1图像坐标系、摄像机坐标系、世界坐标系
摄像机采集的图像以电视信号的形式输入计算机,经计算机中的数模转板变成数字图像。每幅数字图像在计算机内为M x N数组,M行N列的图像中每个元素(像素)的数值是图像点的亮度(灰度)【灰度是黑白灰度图像,若为彩色图像,则图像上象素的亮度由红、绿、蓝三种颜色的亮度表示】。如图1.1所示,在图像上定义直角坐标系u,v,每个象素的坐标(u,v)分别表示该象素在数组中列数和行数,所以,(u,v)是以象素为单位的图像坐标系的坐标。由于(u,v)只表示象素位于数组中的列数和行数,并没有用物理单位表示出该象素在图像中的位置,因而,家里一个以武力单位(例如毫米)表示的图像坐标系。在坐标系以图像内抹一点O1为原点,x轴与y轴分别于u,v轴平行,如图1.1所示。在本文中(u,v)表示以象素为单位的图像坐标系的坐标,(x,y)表示以毫米为单位的图像坐标系的坐标。在x,y坐标系中,原点O1定义在摄像机光轴与图像平面的焦点,该点一般位于图像中心处。若O1在u,v坐标系中的坐标(u0,v0),每个象素在x轴与y轴方向上的物理尺寸为dx,dy,则图像中任意一个象素在两个坐标系下的坐标由如下关系:
![b6e9fc9f30f8a9121b02cbfa5e95dc06.png](https://i-blog.csdnimg.cn/blog_migrate/ca02745ce6dcd5ebcddc4f39e2d86489.png)
![1ade61ed8d1df6f46c2851285ab1baca.png](https://i-blog.csdnimg.cn/blog_migrate/8ce7fabfa36cfd8cd32dca90aaa4fc8f.png)
为了方便以后使用,我们用齐次坐标系与矩阵形式将上式表示为
![d7f1035d45148a5eb138360557e2f793.png](https://i-blog.csdnimg.cn/blog_migrate/31118d51a9f1bc0ce0a3f8dba2611531.png)
逆关系可写成
![3a09216d23c99a25413db02dbe8b2fb0.png](https://i-blog.csdnimg.cn/blog_migrate/14ad79edff2fafc3fec580bf0dd124b6.png)
摄像机成像几何关系可由图1.2表示。其中O点称为摄像机光心,Xc轴和Yc轴与图像的x轴与y轴平行,Zc轴为摄像机的光轴,它与图像平面垂直。光轴与图像平面的交点,即为图像坐标系的原点,由点Xc,Yc,Zc轴组成的直角坐标系称为摄像机坐标系,OO1为摄像机焦距。(不同的焦距呈现的图像大小不同)
由于摄像机可安放在环境中的任何位置,我们在环境中还选择一个基准坐标系来描述摄像机的位置,并用它描述环境中任何物体的位置,该坐标系称为世界坐标系,它由Xw,Yw,Zw轴组成。摄像机坐标系与世界坐标系之间的关系可以用旋转矩阵R与平移向量t来描述。因此,空间中某点P在世界坐标系与摄像机坐标系下的齐次坐标如果分别是(Xw,Yw,Zw,1)T与(Xc,Yc,Zc,1)T,于是存在如下关系:
![e14e6db3fef3d571d78823fb0945f2bd.png](https://i-blog.csdnimg.cn/blog_migrate/46a8721cc0fcaf0624bbd5ca1a513b00.png)
![24d86b928e0b9bfbdd93ad46426351c4.png](https://i-blog.csdnimg.cn/blog_migrate/da1c2a18880051efb5acf5fe05f94ba3.png)
![a5e2341448d61b625add3929f5d03b76.png](https://i-blog.csdnimg.cn/blog_migrate/a0ee8c7df659dd09a132b856bfe66733.png)
1.2 线性摄像机模型(针孔模型)
空间任何一点P在图像上的成像位置可以用针孔模型近似表示,即任何点P在图像上的投影位置p,在光心O与P点的连线OP与图像平面的交点。这种关系也称为中心射影或透视投影。由比例关系如下关系式:
![ef9aa278ddb8c7f17073e713647384a0.png](https://i-blog.csdnimg.cn/blog_migrate/a20cd5303d6d036e905d88957168e251.png)
其中,(x,y)为p点的图像坐标;(Xc,Yc,Zc)为空间点P在摄像机坐标系下的坐标。我们用齐次坐标与矩阵表示上述透视投影关系:
![0cf3c70d5fe0f07830190dceea573eeb.png](https://i-blog.csdnimg.cn/blog_migrate/ded9607066b8855e41379b38a04142d6.png)
将式1.1和1.2代入上式,我们得到以世界坐标系表示的P点坐标与其投影点p的坐标(u,v)的关系:
![e7e877f1204fb871b5544862ba70db8f.png](https://i-blog.csdnimg.cn/blog_migrate/68b64085d3e71bbfaeacf5e99f4964cf.png)
其中,αx= f/dx,αy = f/dy; M为3x4矩阵,称为投影矩阵;M1完全由αx,αy,u0,v0决定,由于αx,αy,u0,v0只与摄像机内部结构有关,我们称这些参数为摄像机内部参数;M2完全由摄像机相对于世界坐标系的方位决定,称为摄像机外部参数,确定某一摄像机的内外参数,称为摄像机标定。
由上式可见,如果已知道摄像机的内外参数,就已知道投影矩阵M,对任何空间点P,如已知它的坐标Xw=(Xw,Yw,Zw,1)T,就可求出它的图像点p的位置(u,v)。反过来,已知(u,v)求Xw=(Xw,Yw,Zw,1)T的结果是不能唯一确定的。
以上是我在学习了相关课程后查阅的资料,方便日后重温复习。
本文引用:马颂德的计算机视觉