相机标定与3D重建(opencv-python实现)

最新推荐文章于 2025-03-21 22:00:00 发布

weixin_41153803

最新推荐文章于 2025-03-21 22:00:00 发布

阅读量7.1k

点赞数 10

分类专栏：三维重建文章标签：计算机视觉 3D重建相机标定 opencv

本文链接：https://blog.csdn.net/weixin_41153803/article/details/93221343

版权

文章目录

1. 相机标定的四个坐标系以及转换关系

1.1 四个坐标系介绍

在这里插入图片描述

1.1.1 世界坐标系(X_w, Y_w, Z_w)

为了描述相机位置而被引入的
标定时确定标定物的位置
作为双目视觉的系统参考系，给出两个摄像机对世界坐标系的关系，从而求出相机之间的相对关系
作为重建得到三维坐标的容器，重放重建后的物体的三维坐标

1.1.2 摄像机坐标系(X_c, Y_c, Z_c)

摄像机坐标系是摄像机站在自己角度上衡量的物体的坐标系。摄像机坐标系的原点在摄像机的光心上，z轴与摄像机光轴平行。

1.1.3 图像坐标系(x,y)

主要用于表征从摄像机坐标系向图像坐标系的透视投影关系，特点为连续，原点位于摄像机光轴与成像平面的焦点上

1.1.4 像素坐标系(u,v)

我们能从摄像机得到的真实信息，特点为离散，原点位于图像的左上角，其实是存储器的首地址

1.2 简单知识介绍

在这里插入图片描述
上图是针孔摄像机的基本模型。平面π称为摄像机的像平面，点O_c称为摄像机中心（或光心），f成为摄像机的焦距，O_c为端点且垂直于像平面的射线成为光轴或主轴，主轴与像平面的交点p是摄像机的主点

1.3 图像坐标系与像素坐标系的关系

在这里插入图片描述
如上图所示，像素坐标系u-v的原点为O₀，图像坐标系x-y的原点O₁在像素坐标系u-v的坐标为（u₀，v₀），dx和dy分别表示每个像素在横轴x和纵轴y的物理尺寸则图像坐标系和像素坐标系的坐标关系如下所示：
$\frac{x}{dx}+u_{0}$ $\frac{x}{dx}+v_{0}$
写成矩阵形式：
$\left [ \begin{matrix} u\\ v\\ 1 \end{matrix}\right ] = \begin{bmatrix} \frac{1}{dx} & 0 & u_{0}\\ 0& \frac{1}{dy} & v_{0}\\ 0& 0 & 1 \end{bmatrix} \left [ \begin{matrix} x\\ y\\ 1 \end{matrix}\right ]$

1.4 世界坐标系与摄像机坐标系的关系

世界坐标系的坐标可以通过刚体变换（旋转以及平移转换）为摄像机坐标系的坐标，如下图所示
在这里插入图片描述
可表现为如下：
$\left [ \begin{matrix} X_c\\ Y_c\\ Z_c \end{matrix}\right ] = \begin{bmatrix} r_{00} & r_{01} & r_{02}\\ r_{10}& r_{11} & r_{12}\\ r_{20}& r_{21} & r_{22} \end{bmatrix} \left [ \begin{matrix} X\\ Y\\ Z \end{matrix}\right ] + \left [ \begin{matrix} T_x\\ T_y\\ T_z \end{matrix}\right ]$
我们将旋转矩阵R以及平移矩阵T称之为摄像机的外参数
R可以表示为分别绕X,Y,Z轴旋转的效果之和，R=r1r2r3如下图所示：
在这里插入图片描述