计算机视觉中的深度估计、SLAM、三维重建任务通常会用到相机参数作为输入,本文将对其进行简单介绍。
相机的内参
- 相机的内参矩阵包含x方向的焦距fx和y方向的焦距fy。以及相机光轴在x方向和y方向上的偏移量cx,cy。
- 内参为什么有两个焦距
- 一般来说,一个物体的宽度和高度会随着各个物体与相机之间的距离增加按照比例变小。而对于一张矩形的图片,物体的高宽变小的比例是不同的,这个比例就是根据焦距得到的,因此会有x方向和y方向各自的焦距。如下图公式:
- 一般来说,一个物体的宽度和高度会随着各个物体与相机之间的距离增加按照比例变小。而对于一张矩形的图片,物体的高宽变小的比例是不同的,这个比例就是根据焦距得到的,因此会有x方向和y方向各自的焦距。如下图公式:
相机的外参
- 相机的外参也被称为旋转平移矩阵,包括xyz三个轴的旋转参数,即旋转矩阵(R矩阵)。还有三个轴的平移参数,也就是平移矩阵(T矩阵)。
像素坐标和世界坐标的转换
- 相机的外参通常用于像素空间到世界坐标的转换。公式如下图,其中(u, v)是像素坐标,(x, y, z)是世界坐标。
简化后得到:
博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟,喜欢请关注、点赞、收藏。