2020.9.8
by 盒子先生KingO
一、理论篇
1.1 齐次变换矩阵(homogeneous transformation matrix )
我们知道,在三维空间准确描述执行器的状态,不仅要包括位置信息,也要包含姿态信息,即位姿(Pose)。齐次变换矩阵就是在机器人学中描述一个坐标系到另一个坐标系的变换关系的矩阵,包含了姿态旋转分量和位置平移分量。
其中,
此外,值得注意的是关于齐次变换矩阵的左乘右乘问题。我的理解是以全局坐标系为参照做变换时用左乘,以当前坐标系为参照做变换时用右乘。举例:
- 若执行器当前的位姿为
,若其绕全局坐标系xyz下做了一个变换,变换矩阵为$T_{B}$,则其当前位姿为
;
- 若执行器当前的位姿为
,若其绕当前坐标系
下做了一个变换,变换矩阵为
,则其当前位姿为
;
1.2 摄像机成像模型
![34541c678d43034af6ebf518d8603dbe.png](https://i-blog.csdnimg.cn/blog_migrate/4028403d0de3b73446c48f31f8ccd13b.jpeg)
1.3 成像相关坐标系定义
![8095299a466d75c5fc1907a222255438.png](https://i-blog.csdnimg.cn/blog_migrate/2c6013347ecf3a3dca010637debfe035.png)
- 世界坐标系
:在环境中由用户任意选择一个基准坐标系作为参考来描述摄像机位置,在
- 相机坐标系
:以针孔模型的聚焦中心