【视觉SLAM十四讲】相机与图像（附PCL安装教程）

本文为视觉 SLAM 学习总结，讲解观测方程中 $z_{k,j}$ 的具体形式。欢迎交流

本讲内容概要

• 针孔相机的模型、内参与径向畸变参数
• 空间点如何投影到相机成像平面的
• OpenCV 的图像存储与表达方式
• 基本的摄像头标定方法

相机模型

照片只能记录物体在成像平面上的投影，无法测得“距离”维度的信息。而普通相机可以用针孔模型进行很好地近似。

小孔成像模型

小孔成像的原理图如下：

左图为立体图像，在相机平面建立三维坐标系，在像素平面建立二维坐标系。则空间中一点 $P$ 透过小孔投影到成像平面的坐标可以计算。右图为俯视图，由相似三角形有，小孔成像模型的原始形式为：
$$\frac{Z}{f}=-\frac{X}{X^{\prime }}=-\frac{Y}{Y^{\prime }}$$
其中负号表示为倒像。相机内部会将图像翻转，因此我们平时看到的是正像。若将像翻转到前面则可消除负号：
$$\frac{Z}{f}=\frac{X}{X^{\prime }}=\frac{Y}{Y^{\prime }}$$
整理后得到：
$$X^{\prime }=f\frac{X}{Z}$$

$$Y^{\prime }=f\frac{Y}{Z}$$

成像平面的单位是米，而像素坐标的单位为像素，两种表示方法有一定的比值和中心移动。因此将成像平面到像素坐标：
$$\{\begin{array}{rlr}u& =& \alpha X^{\prime }+c_x\\ v& =& \beta Y^{\prime }+c_y\end{array}$$
将其带入到 $X^{\prime },Y^{\prime }$ 得：
$$\{\begin{array}{rlr}u& =& f_x\genfrac{}{}{0ex}{}{}{Z}\\ v& =& \end{array}$$