一、透视投影相机模型
最终得到摄像机坐标系下,空间中的点
P
P
P和数字图像上的点
P
′
P'
P′的映射关系:
P
=
(
x
,
y
,
z
)
—
—
>
P
′
=
(
α
x
z
+
c
x
,
β
y
z
+
c
y
)
P=(x,y,z)——>P'=(\alpha\frac{x}{z}+c_x,\beta\frac{y}{z}+c_y)
P=(x,y,z)——>P′=(αzx+cx,βzy+cy)
将此映射关系转换成线性映射的形式:
齐次坐标:
将
P
′
P'
P′的欧氏坐标转换成齐次坐标形式
P
h
′
P_h'
Ph′,可以发现,
P
h
′
P_h'
Ph′与P点的齐次坐标
P
h
P_h
Ph有一定关系。(
P
h
P_h
Ph经由一个全由相机相关参数组成的矩阵的变换后,得到
P
h
′
P_h'
Ph′)
在齐次坐标的形式下,可将空间中的点
P
P
P和数字图像上的点
P
′
P'
P′之间建立一个线性映射的关系:
其中,
M
M
M称作投影矩阵。
摄像机内参数矩阵的自由度:只有
α
,
β
,
θ
,
c
x
,
c
y
\alpha,\beta,\theta,c_x,c_y
α,β,θ,cx,cy五个变量,因此K有5个自由度。
但在摄像机坐标系来描述空间中的点并不方便,如不同摄像机下,坐标系也不同,空间中的点的坐标也会不同。
因此需要一个绝对客观的坐标系——世界坐标系。
假如能完成世界坐标系到摄像机坐标系的转换,经由上文的关系,就能完成世界坐标系到数字图像坐标的转换。
假设摄像机坐标系是由世界坐标系经过旋转平移R,T得到的,则齐次坐标系下:
P
=
[
R
T
0
1
]
P
w
P=\left[ \begin{matrix} R&T\\0&1\end{matrix}\right]P_w
P=[R0T1]Pw
其中,
P
w
P_w
Pw是世界坐标系的齐次坐标,
P
w
=
[
x
w
y
w
z
w
1
]
P_w=\left[\begin{matrix}x_w\\y_w\\z_w\\1\end{matrix}\right]
Pw=⎣⎢⎢⎡xwywzw1⎦⎥⎥⎤
以上,将世界坐标系下的点转换成了摄像机坐标系下的点。
内部参数决定了摄像机的点到数字图像上的点的映射
外部参数决定了摄像机和世界之间的关系
最终完成了世界坐标系下的点
P
w
P_w
Pw到数字图像上的点
P
′
P'
P′的映射关系
此时的投影矩阵 M ( 3 × 4 ) M(3\times4) M(3×4),具有摄像机内参数矩阵 K K K的5个自由度, R R R绕三个坐标轴旋转的3个自由度, T T T沿三个坐标轴移动的3个自由度,因此M总共有11个自由度。
P
′
=
[
m
1
m
2
m
3
]
P
w
P'=\left[ \begin{matrix}m_1\\m_2\\m_3\end{matrix}\right]P_w
P′=⎣⎡m1m2m3⎦⎤Pw
此时
P
′
P'
P′是齐次坐标形式,转换成欧氏坐标形式:
(
m
1
P
w
m
3
P
w
,
m
2
P
2
m
3
P
w
)
(\frac{m_1P_w}{m_3P_w},\frac{m_2P_2}{m_3P_w})
(m3Pwm1Pw,m3Pwm2P2)
二、弱透视投影相机模型
P、Q、R三点与成像孔之间的距离是不一样的,但三个点距离成像孔足够远时,三点与成像孔之间的距离的差异性可以忽略不计,即假设三点在同一平面上。
此时
z
z
z成了固定值
z
0
z_0
z0,通常取三点的
z
z
z的均值为
z
0
z_0
z0。