计算机视觉零散知识点总结

1. 相机坐标系统

在双目立体视觉的研究中，要想对物体进行三维重建，即通过二维像素点的信息解算出三维位姿信息，必须通过多次的参考坐标系的变换。通常方法是建立四个坐标系分别是相机坐标系、像素坐标系、图像坐标系、以及世界坐标系，四个坐标系的相互关系如图1所示。
为推导摄像机线性模型，可通过以上介绍的坐标系之间关系得出，推导过程如下：

①像素坐标系和图像坐标系的转换关系（如下图2所示）：

假设图像的中心像素坐标为，相机的影像原件的实际物理尺寸为，那么图像坐标系中一点和像素坐标系的对应点的关系如下：

便于计算，将式（1）转化为齐次坐标如下：

② 图像坐标系到相机坐标系的变换（如图3所示）

由上图可得，相机的焦距为f，在相机坐标系下的一点，在虚拟成像平面的投影点为,由图所示关系，可由相似三角形法则：

转化为齐次坐标为：

③ 相机坐标系到世界坐标系转换

假设世界坐标系中存在一点,则它与相机坐标系对应点的齐次坐标矩阵转换关系如下：

建立世界坐标系同图像坐标系之间的变换如下式：

2. 相机成像原理

图像上反映场景中某点的反射光照强度是通过该点的像素灰度值确定的，三维空间内该点的相位位姿坐标和该点在相机成像平面上的像素坐标存在直接联系。在立体视觉的研究中，通过相机成像平面坐标逆解出目标物体的在世界坐标系下的三维位姿信息必须建立适当的双目相机模型，在光学研究中常用的理想线性模型是摄像机针孔模型(如图)：

在理想条件下，目标物体表面的漫反射光线都经由相机镜头在相机成像平面上投影。由相机成像原理可得，点P通过镜头后可以在相机成像平面上投影形成像点。为使处理更简洁，将摄像机针孔模型等价于如图5所示的数学模型。

3. 标定的原理

获取目标物的三维空间坐标需要通过二维图像通过坐标系变换得到，如式子9表征了世界坐标系和像素坐标系之间转换的投影矩阵。便于定义，将投影矩阵分解成相机的内部矩阵和外部旋转平移矩阵R和T。而内部矩阵包括双目焦距f，图像坐标系原点，像素的物理尺寸，这些参数反映了相机的光学特性。相机标定的目的是利用给定的标定板参考点坐标和利用相应的图像坐标来确定相机的内部参数和外部参数。考虑到目前提供的标定图片，决定采用张正有提出的摄像机变换矩阵标定法（简称张氏标定法）来进行标定，张氏标定法是一种简单有效的标定方法，该算法忽略双目相机的畸变问题，通过求解线性方程解算出变换矩阵的每个元素。
在实际处理中，假定棋盘位于世界坐标中的平面上，则可以将公式化简为如下式:

整理得到下式：

标定便是求取单应性矩阵H的参数，由于需要求8个参数，所以需要8组方程，在利用标定板的过程已知棋盘格角点坐标,和标定图片相应的像素坐标，因此需要四个对应点可以求出相应的H，为了分别求出相机的内参和外参可以把H简单写成如下形式：

H满足如下两个约束条件：

因此根据约束条件可以得到内参的约束关系：

此时只含有A也就是内参，内参中有5个未知参数，因此至少需要5个方程才能求解，对于单应性矩阵，1个单应性矩阵满足2个约束条件，因此需要3个单应性矩阵，因此至少需要三张的标定图片，最简单的方法就是通过变换标定板相对于摄像机的位置获取不同的单应性矩阵。已知A的情况下，通过式子反求外参。