世界坐标、相机坐标、图像坐标、像素坐标的原理、关系，并用matlab仿真
照相机是日常生活中最常见的。它能把三维的空间图片等比例缩小投影在照片上，称为一个二维图像。
以下我们就讲一讲原理，并相应的进行matlab仿真。
在学之前，先要了解几个概念：
- 什么是世界坐标？
- 也就是真实世界的立体空间坐标，是一个三维坐标系
- Ow-XwYwZw ：世界坐标系,描述相机位置,单位m
- 什么是相机坐标？
- 根据透镜成像原理，将世界坐标在照相机内呈现，是一个三维坐标系
- Oc-XcYcZc ：相机坐标系,光心为原点,单位m
- 什么是图像坐标？
- 将相机呈现的三维坐标投影到屏幕上，而建立的新坐标系，不含高程信息，是一个二维坐标系
- o-xy ：图像坐标系,原点为成像平面中点,单位mm
- 什么是像素坐标？
- 将投影的图像坐标离散抽样形成的做种图片，是一个二维的坐标系
- uv ：像素坐标系,原点为图像左上角,单位pixel
所以步骤流程就是：
-
- step1：将世界坐标转化为相机坐标，等比例缩小，外加旋转平移，称之为刚体变换；
- step2：将相机坐标转化为图像坐标，称为投影
- step3：将图像坐标离散抽样
模型如下图所示：
step1：构造rigbt()函数
世界坐标转化为相机坐标模型如下图所示：
从世界坐标系变换到相机坐标系属于刚体变换：即物体不会发生形变，只需要进行旋转和平移。
R：表示旋转矩阵
T：表示偏移向量
接下来分析旋转和平移
坐标轴绕z轴旋转 θ=Theta（希腊字母读法，编程用的到），其几何模型如下图所示：
公式满足：
矩阵形式为：
同理，绕x、y轴可以写成：
所以刚体变化中旋转变换R=R1R2R3。
平移矩阵T，则刚体变换可以写成：
进一步转化，可以写成4阶矩阵：
R矩阵是一个3×3矩阵，T是一个3×1矩阵，RT是一个4×4矩阵。
matlab 仿真：
-
function [RT] = rigbt(Phi, Psi, Theta, x0, y0, z0)
-
%刚体变换函数:rigid body transformation
-
%输入参数：
-
% φ=Phi 绕x轴转动的角度
-
% ψ=Psi 绕y轴转动的角度
-
% θ=Theta 绕z轴转动的角度
-
%输出参数：
-
% RT 将坐标轴进行刚体变化（旋转+平移）成新的坐标轴
-
%
-
%% 程序
-
R1 = [
1
0
0;
0
cos(Phi)
sin(Phi);
0 -
sin(Phi)
cos(Phi)];%绕X轴旋转
-
R2 = [
cos(Psi)
0 -
sin(Psi);
0
1
0;
sin(Psi)
0
cos(Psi)];%绕Y轴旋转
-
R3 = [
cos(Theta)
sin(Theta)
0;-
sin(Theta)
cos(Theta)
0;
0
0
1 ];%绕Z轴旋转
-
R = R3 * R1 * R2;%旋转矩阵（刚体变换一部分）
-
T = [x0; y0; z0];%平移矩阵
-
RT=[R T;
0
0
0
1];%刚体变换矩阵
-
return
step2：构造proj()函数
相机坐标投影成图像坐标，几何模型如下图所示：
几何关系（相似）满足：
即：
代入：
写成矩阵形式：
matlab 仿真：
-
function [Projection_Matrix] = proj(f)
-
%相机坐标投影(projection)成图像坐标
-
%输入参数
-
% f 相机焦距（数，cm）
-
%输出参数
-
% Projection_Matrix 投影成像（矩阵）
-
Projection_Matrix = [f 0 0 0;
0 f
0
0;
0
0
1
0];
-
return
step3：构造pixel()函数
xoy是图像坐标； uo_{uv}v是像素坐标； (u0,v0)是像素坐标的中心； p(x,y)是图像中的任意一点。
模型如下：
将x、y分成n份，每份长度为dx、dy。
则几何公式为：
转化为矩阵形式：
matlab仿真:
-
function [Pixel_Matrix] = pixel(dx,dy,u0,v0)
-
%图像坐标离散化，转化为像素坐标
-
%输入参数：
-
% dx x轴方向上分辨率，像素大小
-
% dy y轴方向上分辨率，像素大小
-
% (u0,v0) 参考坐标，图像平面中心
-
if nargin==2
-
u0 = 0;
-
v0 =
0;
-
end
-
Pixel_Matrix = [
1/dx
0 u0;
0
1/dy v0;
0
0
1];
-
return
step4：前三步整合
公式中， fx=f/dx,fy=f/dy。
matlab 主程序
-
% 将世界坐标转化为像素坐标的参数
-
%% 程序
-
clear all;
close all; clc;
-
% 参数
-
Phi = pi/
4;%绕
x轴旋转角度
-
Psi = pi/
4;%绕
y轴旋转角度
-
Theta = pi/
4;%绕z轴旋转角度
-
x
0 =
0;%x平移量
-
y
0 =
0;%y平移量
-
z
0 =
0;%z平移量
-
f =
35e-
3;%35mm相机
-
dx =
0.
026;%一个像素的长
-
dy =
0.
026;%一个像素的宽
-
u
0 =
0;%图像平面中心
-
v
0 =
0;%图像平面中心
-
-
%% step1:将世界坐标转化为相机坐标，等比例缩小，外加旋转平移(刚体变换)
-
RT = rigbt(Phi, Psi, Theta,
x
0,
y
0, z
0);%刚体变换矩阵
-
-
%% step2:将相机坐标转化为图像坐标(投影)
-
Projection_Matrix = proj(f);%投影矩阵
-
-
%% step3:将图像坐标离散抽样
-
Pixel_Matrix = pixel(dx,dy,u
0,v
0);%1像素＝
0.
635厘米÷
24≈
0.
026458厘米
-
%% 数据整合
-
Camera_Internal_Parameters = Pixel_Matrix * Projection_Matrix;%相机内参数
-
Camera_External_Parameters = RT;%相机外参数
-
%清除不用的变量
-
clearvars -except Camera_Internal_Parameters Camera_External_Parameters
-
%相机参数
-
Camera_Parameters = Camera_Internal_Parameters*Camera_External_Parameters
-
clearvars -except Camera_Parameters%清除变量
仿真结果：
扩展：
实际应用中，往往将上面的主程序main制作成一个相机参数函数camera_ parameters()，更有利于调用。可以用下面相机参数函数一个代替上面的main程序。
matlab 仿真
-
function [Camera_Parameters] = camera_parameters()
-
% 将世界坐标转化为像素坐标的参数(相机参数矩阵)
-
% 参数,可以省，省去的话，必须设置相应的入参
-
Phi = pi/
4;%绕
x轴旋转角度
-
Psi = pi/
4;%绕
y轴旋转角度
-
Theta = pi/
4;%绕z轴旋转角度
-
x
0 =
0;%x平移量
-
y
0 =
0;%y平移量
-
z
0 =
0;%z平移量
-
f =
35e-
3;%35mm相机
-
dx =
0.
026;%一个像素的长
-
dy =
0.
026;%一个像素的宽
-
u
0 =
0;
-
v
0 =
0;
-
-
%% step1:将世界坐标转化为相机坐标，等比例缩小，外加旋转平移(刚体变换)
-
RT = rigbt(Phi, Psi, Theta,
x
0,
y
0, z
0);%刚体变换矩阵
-
-
%% step2:将相机坐标转化为图像坐标(投影)
-
Projection_Matrix = proj(f);%投影矩阵
-
-
%% step3:将图像坐标离散抽样
-
Pixel_Matrix = pixel(dx,dy,u
0,v
0);%1像素＝
0.
635厘米÷
24≈
0.
026458厘米
-
%% 数据整合
-
Camera_Internal_Parameters = Pixel_Matrix * Projection_Matrix;%相机内参数
-
Camera_External_Parameters = RT;%相机外参数
-
%相机参数
-
Camera_Parameters = Camera_Internal_Parameters*Camera_External_Parameters;
仿真结果：
注：
- 程序中好多参数是本人找的，有的参数，我简单化了。也可以改参数运行。
- 本文参考了：https://download.csdn.net/download/chentravelling/9833120
- 本博客文档下载地址：https://download.csdn.net/download/weixin_41649786/10629546
- 本博客代码下载地址：https://download.csdn.net/download/weixin_41649786/10629733
给学matlab的人，包括我自己一个勉励:路漫漫其修遠兮，吾將上下而求索
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
