（CV）三维视觉

版权声明：未经允许请勿用于商业用途，转载请注明出处：http://blog.csdn.net/mounty_fsc/ https://blog.csdn.net/mounty_fsc/article/details/51500875

本文地址：http://blog.csdn.net/mounty_fsc/article/details/51500875

了解三维视觉前，需对（CV，Math）仿射几何、 （CV，Math）射影几何有一定了解。因为相机的成像过程射影变换（透视或中心射影）的过程，为一个从3维空间到2维空间的退化的射影变换

1 线性摄像机成像模型

如图，这部分涉及到四个坐标系，世界坐标系，相机坐标系，图像坐标系，数字化图像坐标系。最核心的为相机坐标系到图像坐标系，如只需要了解大概，这部分反映了核心问题。注，此处忽略了相机坐标系到图像坐标系之间成像畸变带来的影响。

1.1 世界坐标系到相机坐标系

如上图，为世界坐标系、相机坐标系、图像坐标系（下小节介绍）示意图。其中$O$点为摄像机光心（投影中心），$Xc$轴和$Yc$轴与成像平面坐标系的$x$轴和$y$轴平行，$Zc$轴为摄像机的光轴，和图像平面垂直。光轴与图像平面的交点为图像的主点$O1$。OO1为摄像机的焦距。某点世界坐标为$(X_w,Y_w,Z_w)$，相机坐标为$(X_c,Y_c,Z_c)$。

世界坐标系可以通过平移和旋转（刚体变换）与相机坐标系重合。由《仿射变换》1.6节可知，有如下等式：

$$\left( \begin{array}{c} X_c \\ Y_c \\ Z_c \\ 1 \end{array} \right)= \left( \begin{array}{cc} R & t \\ 0{^T_3} & 1 \end{array} \right) \left( \begin{array}{c} X_w \\ Y_w \\ Z_w \\ 1 \end{array} \right)$$

1.2 相机坐标系到图像坐标系

如2.1中的图所示，以$O1$为原点，$x$,$y$为坐标轴的坐标系为图像坐标系。详细图解如下，设点在相机坐标系的坐标为$(X_c,Y_c,Z_c)$，在图像坐标系坐标为$(x,y)$：

有几何关系可知：

$$\begin{equation} \left\{ \begin{aligned} x=f\frac{X_c}{Z_c} \\ y=f\frac{Y_c}{Z_c} \end{aligned} \right. \end{equation}$$

齐次坐标系矩阵表达如下：

$$Z_c\left( \begin{array}{c} x \\ y \\ 1 \end{array} \right)= \left( \begin{array}{cccc} f & 0 & 0 & 0 \\ 0 & f & 0 & 0 \\ 0 & 0 & 1 & 0 \\ \end{array} \right) \left( \begin{array}{c} X_c \\ Y_c \\ Z_c \\ 1 \end{array} \right)$$

1.3 图像坐标系都数字化图像坐标系

计算机中存储的数字图像，其坐标系与前几节介绍的图像坐标系略有不同。

如图，为OpenCV中图像存储的坐标系，假设图像坐标系坐标为$(x,y)$，数字化图像坐标系的坐标为$(u,v)$。原图像坐标系原点$O_1$在数字化图像坐标系中的坐标为$(u_0,v_0)$。

由于(u,v)只代表像素的列数与行数，而像素在图像中的位置并没有用物理单位表示出来，dx与dy分别表示每个像素在横轴x和纵轴y上的物理尺寸（如单位为毫米/像素），则有如下关系。

$$\begin{equation} \left\{ \begin{aligned} u=\frac{x}{dx}+u_0 \\ v=\frac{y}{dy}+v_0 \end{aligned} \right. \end{equation}$$

其次坐标矩阵表示如下

$$\left( \begin{array}{c} u \\ v \\ 1 \end{array} \right)= \left( \begin{array}{ccc} \frac{1}{dx} & 0 & u_0 \\ 0 & \frac{1}{dy} & v_0 \\ 0 & 0 & 1 \end{array} \right) \left( \begin{array}{c} x \\ y \\ 1 \end{array} \right)$$

注：事实上，大部分数字图像都是以OpenCV这样的格式存储的，但是也有不一样的，如原点在中心，或者坐标系不是垂直等，不同的坐标系形式，转换矩阵也不一样。

1.4 小节

最终我们得到的公式为：

参考资源：
1. http://www.th7.cn/Program/Android/201501/353476.shtml
2. http://www.360doc.com/content/14/0410/14/10724725_367760675.shtml