近期在研究有关相机成像过程中坐标系之间得关系,看了好多资料,甚是不知所云,突然发现这一篇,讲得清晰明了,在此基础上加了我自己得一点理解。
作者:waeceo
原文:https://blog.csdn.net/waeceo/article/details/50580607
四个坐标系之间的关系
相机模型中的四个平面坐标系:
像素平面坐标系(u,v):图像是m*n个像素点,即一个离散坐标系。
像平面坐标系(x,y):将离散的像素平面坐标系,根据每个像素的大小转换成连续的物理坐标。
相机坐标系(Xc,Yc,Zc)
世界坐标系(Xw,Yw,Zw)
1、像素坐标系(u,v)与像平面坐标系(x,y)之间的关系
假设每一个像素在u轴和v轴方向上的物理尺寸为dx和dy。
解释:dx,dy,u0,v0其实都是我们假设出来的参数,dxdy表示感光芯片上像素的实际大小,是连接像素坐标系和真实尺寸坐标系的,u0,v0是图像平面中心,最终是要我们求的内参数。
得出这个公式后,运用线性代数的知识把方程用矩阵形式表示:
2、相机坐标系(Xc,Yc,Zc)与世界坐标系(Xw,Yw,Zw)之间的关系
这两个坐标系之间的关系可以旋转矩阵R和平移矩阵T来得到以下关系:
解释:在这个公式中,R为3x3 矩阵,T为3x1矩阵
也可以写成下面的形式:
3、相机坐标系(Xc,Yc,Zc)与像平面坐标系(x,y)的关系
根据小孔成像的原理,然后把像平面对称到相机的另一面,如下图所示,m为M在像平面上的像,m和M向XcOZc面作垂线,然后根据相似原理:
用矩阵形式表示:
综合以上公式得到世界坐标与图像坐标之间的关系:
其中等号右侧的三个矩阵,前两个为内参矩阵,后一个为外参矩阵。因为R、T与相机内的参数并没有关系。