机器视觉笔记（二）

使用的课程截图来自coursera的机器人学感知，链接为：导言 - 图像形成的几何学 | Coursera。

投影

点到线

3D场景中有两个东西，垂直于Z轴的 image plane 与 表示观察者位置的原点(0, 0, 0)，假设image plane所在的位置为(0，0，1)。将观察者点与image plane上的点进行连接并延长，能够得到一条直线，这样每个点都能确定一条直线。（用一个点确定一条线让我想起了hough变换。）

这样每个点的坐标为[x y 1]，把 z 设为1是为了凸优化（不懂）。

同样的，对image plane上的直线进行讨论。假设这条直线的方程为，它其实是一个3D场景中的 平面 在image plane上的投影，这个平面的法向量就是(a, b, c)。

 将直线用方程表示就是下面这样。

 一个直线的方程为ρ=xcosθ + ysinθ，其中ρ是原点到直线的距离，θ是a的法线与x轴的夹角。

（视频后面展示的图片，我看了半天看不懂，才发现原点在左上角，是用matplotlib读出来的）

线到面 

现在如何确定image plane上的线的方程。

因为在image plane上的两点确定一条直线，而image plane上的两个点对应3D空间中的两条线，然后两条线能够确定3D plane上的一个平面，这个平面的法向量是这个平面上所有线的法向量。

法向量的求法就是向量的叉乘。

 线到点也是同理。