SLAM——相机与图像

相机的针孔模型：

像素坐标系通常的定义方式是：原点 o′ 位于图像的左上角， u 轴向右与 x 轴平行， v轴向下与 y 轴平行。像素坐标系与成像平面之间，相差了一个缩放和一个原点的平移。

上式中(X,Y,Z)是P点的坐标，(u，v)是投影后的像素坐标，把中间的量组成的矩阵称为相机的内参数矩阵（Camera Intrinsics） K。通常认为，相机的内参在出厂之后是固定的，不会在使用过程中发生变化。有的相机生产厂商会告诉你相机的内参，而有时需要你自己确定相机的内参，也就是所谓的标定。

P 的相机坐标应该是它的世界坐标（记为 Pw），根据相机的当前位姿，变换到相机坐标系下的结果。相机的位姿由它的旋转矩阵 R 和平移向量 t 来描述。

相机的位姿 R，t 又称为相机的外参数。相比于不变的内参，外参会随着相机运动发生改变，同时也是 SLAM中待估计的目标，代表着机器人的轨迹。
畸变

为了获得好的成像效果，我们在相机的前方加了透镜。透镜的加入对成像过程中光线的传播会产生新的影响。由透镜形状引起的畸变称之为径向畸变。在相机的组装过程中由于不能使得透镜和成像面严格平行会引入切向畸变。

平面上的任意一点 p 可以用笛卡尔坐标表示为 [x，y]T , 也可以把它写成极坐标的形式[r， θ]T，其中 r 表示点 p 离坐标系原点的距离， θ 表示和水平轴的夹角。径向畸变可看成坐标点沿着长度方向发生了变化 δr, 也就是其距离原点的长度发生了变化。切向畸变可以看成坐标点沿着切线方向发生了变化，也就是水平夹角发生了变化 δθ。

视差

根据三角形 P - PL - PR 和 P - OL - OR的相似关系，有：

稍加整理，得：

这里 d 为左右图的横坐标之差，称为视差（Disparity）。根据视差，我们可以估计一个像素离相机的距离。视差与距离成反比：视差越大，距离越近。
图像：在 OpenCV 的彩色图像中，通道的默认顺序是 B,G,R。