相机校参及C-arm校参 Camera calibration & X-ray calibration 01

相机校参及C-arm校参 Camera calibration & X-ray calibration 01

背景介绍：本身是无计算机机视觉基础的留学生，自学过图像算法和基于计算机视觉的深度学习方面的内容。本次了解这方面的内容是因为工作需要。需求是做一个adapter或者理解为校参器，帮助在机器人做图像配准之前，对C-arm本身做一次内部参数矫正，而C-arm本身又和pinhole camera的成像原理非常的相似（后面详细解读）。但是学习过程中发现，国内和国外的网站其实对各种概念的解释也非常笼统，比如homogeneous coordinate（HC）意义，HC和euclidian coordinate的却别， vanish point含义，infinity point和infinity plane的含义…这系列文章希望帮助大家能更容易的理解，但主要还是个人学习的总结，望请轻踩~

homogeneous coordinate （HC）：
从结果直观来看，其实就是在euclidian coordinate（EC）的维度上，再加了另外一个维度的值，其实不然。

• 首先HC可以更容易的表达相机上的图像信息，因为它把，比如两个维度上的信息，分为方向维度信息，加上权重维度信息。（因为相机很多时候，你只能决定往哪个方向照，但是无法确定这个方向上衍生的距离有多少。）
• 其次是在HC坐标系内，进行点点，电线和点面间的数学计算更加方便，同样包括affine or projective transformation的计算及求解。（后面可以看到）
• 正如第一点所说，在HC的空间内，可以很容易的表达infinity plan上面的点和线

HC坐标系内点的性质：

• HC和EC转化的几何意义
  

• 提取公因数后矩阵和原矩阵等同
  

• 用HC来表达infinity plane上的点（后面计算中可以看到原因）

HC坐标系内的表示及计算：

HC坐标系内点和线关系

• HC内线的表示
  – Hesse form
  – intercept form
  – standard form
  

• HC内点和线有交点

HC坐标系内直线的交点

• 两线相交的条件
• 可以用cramer‘s rule去求解（可以想象成对应平面法向量但没有长度概念）
• 所以用HC坐标系去表示，可以吸收前面的系数表达式
  

HC坐标系内和两点相交的直线

• l = X x y (cross product)
• 

infinity内的点和线：
it is possible to explicitly model infinitively distant points with finite coordinates
by HC coordinates, it is able to maintain the direction to that infinitively distant point

在infinity中点和线相交

• l dot X =0 (dot-product)
  

• all parallel lines meet at one point at infinity（前两个系数看做方向或在平面内的角度，后面看做长度）
  

• infinity distant line is in the form of this:
  

• 在3D infinity中平面和点的关系（如果把HC内的点坐标看做是方向量+权重伸长量，那么infinity上就只有方向量，所以同一条射线上的各个点是相同的，而infinity distant plane就表达图中的穹顶面，所有点都要通过圆心之后穿过它）
  

infinity中的transformation

• X‘ = HX
  

• translational transformation （3 para）

• rotational transformation （3 para； can be multiplied RxRyRz. 对于其它变换同样适用）

• rigid body transformation （6 para）

• similarity transformation （7 para）

• affine transformation （12 para = 3 tran + 3 rot +3 scale + 3 sheer）

• projective tranformation

（图片清晰度不高，大概看看吧，太困了睡觉…）