从像素坐标到相机坐标_相机标定（张正友标定算法）解读与实战一

“ 世界坐标系、相机坐标系 、归一化平面坐标系、 像平面坐标系、 像素坐标系。”

关于相机模型的文章太多了，要搞清楚，首先要弄清楚这5个坐标系，以及他们之间的转换关系。我这里开始由世界坐标系一步一步推导到像素坐标系进行讲解。

01

—

针孔相机模型

世界坐标系到相机坐标系

实际上是两个三维坐标系之间的转换关系，属于刚体变换，也就是说只有旋转R和平移t变换。旋转矩阵R是正交矩阵的单位矩阵，并且R的转置等于R的逆。Xc坐标系的点，Xw世界坐标系的点。

R表示旋转矩阵，t表示平移向量，如果把Xc , Xw 写成齐次向量的形式，那么他们之间的变换关系就可以写成矩阵相乘的形式。

相机坐标系和世界坐标系之间可以互相转换，其中最常用的就是如何确定相机中心在世界坐标系中的位置

由于相机在相机坐标系的坐标为原点 Xc = [ 0 0 0 ]， 所以 相机在世界坐标系中的坐标： ‍

相机坐标系到像平面坐标系

根据三角形相似

写成矩阵的形式

像平面坐标系到图像坐标系

由于图像坐标系是用像素表示的，像平面坐标系都是m为单位的，所以要进行转换，dx,dy 分别表示x和y方向每个像素占多大。 fx , fy 的单位是像素。

由于像平面的原点在中心，而像素坐标的原点在左上角，因而需要在x和y方向分别平移 cx,cy个像素

相机坐标系->像平面坐标->像素坐标

其中矩阵为相机内参矩阵，只和相机本身有关fx,fy为相机焦距，一般情况下两者相等，cx,cy为中心偏移像素，一般情况下为图像的1/2，那么世界坐标系到像素坐标系就可以写成：

其中[ R ∣ t ] 为 外 参 矩 阵 ， 表 示 世 界 坐 标 系 到 相 机 坐 标 系 的 转 换 矩 阵 ， K 为 相 机 内 参 矩 阵 [R|t] 为外参矩阵，表示世界坐标系到相机坐标系的转换矩阵

P为投影矩阵，表示一个4x4的矩阵。
关于针孔相机模型就解释到这里。

02

—

相机畸变模型

相机畸变模型一般包括径向畸变和切向畸变

径向畸变是由于透镜的形状导致的，有桶形畸变和枕形畸变。对应的数学模型:

切向畸变是由于安装导致透镜和成像平面不严格平行。对应的数学模型：

• 

径向畸变和切向畸变矫正联合在一起：

x，y 的值对应的是归一化平面坐标系的值，因而在校正图像的时候需要先把像素坐标转换为归一化平面坐标，然后再校正，最后再把校正后的ydist,ydist计算到像素坐标。

畸变系数涉及k1,k2,k3,p1,p2

参考：

https://www.cs.umd.edu/class/fall2013/cmsc426/lectures/camera-calibration.pdf

视觉SLAM十四讲