相机小孔成像模型（逐步推导详解） |
您所在的位置：网站首页 › 小孔成像的原理是光的反射吗 › 相机小孔成像模型（逐步推导详解） |
相机小孔成像模型（逐步推导详解）
|
先搞清楚为什么可以简化成小孔成像模型 相机小孔成像模型推导原则：先简单后复杂，先理想后实际 [理想情况，相机无畸变] 一、明确四个坐标系：这个是推导的前提！
说明： 1、图像坐标系的坐标原点是成像平面的中心，相机坐标系原点设在光心处，空间中任意一点P可以用相机坐标系和世界坐标系表示。 2、相机坐标系原点和图像坐标系原点之间的距离可以用焦距 f 简化 3、标定的时候世界坐标系XY平面是标定板上表面，即Z=0的平面 二、坐标系转换：目标是推导出像素坐标系和世界坐标系的关系。① 世界坐标系→相机坐标系 两个坐标系变换在空间上体现的是旋转加平移 表达成齐次坐标原因：https://blog.csdn.net/wangmj_hdu/article/details/119143771 ② 相机坐标系→图像坐标系 根据小孔成像模型进行推导：  同理y轴坐标
 所以图像坐标系和相机坐标系转换关系：
 统一成齐次坐标表达：
③ 图像坐标系→像素坐标系 图像坐标系的单位和像素坐标系的单位不同，所以转换需要进行缩放α，同时两个坐标系的位置也不同，需要进行平移 参考大佬：相机标定之张正友标定法数学原理详解（含python源码） |
如图，空间点投影到XZ平面，根据相似三角形，可以得到以下等式：
相应的坐标系转换： 
同样，用齐次坐标表达成： 
最后，大一统！ 世界坐标系转换到像素坐标系： 
统一成齐次坐标的优势就体现出来了，等式右边前两项可以合成一个矩阵，也就是相机内参矩阵A 
标定就是把内参确定了，一个标定板设置一个世界坐标系，相应着对应一个外参RT矩阵 从公式可以看出，想要计算空间中一点坐标，需要像素坐标以及尺度因子Zc，单相机无法计算出三维点坐标！【本文地址】
今日新闻 |
推荐新闻 |