世界座標系：物體的真實世界座標（三維）
相機座標系：相對於相機建立的座標系（三維）
影象座標系：成像面上以光軸為原點的座標系（二維）
畫素座標系：成像面上以左上角為原點的座標系（二維），注意單位是整形的，因為畫素是乙個乙個的。
齊次座標：可以簡單的理解成用多一維表示低緯的座標。
例如x=x/z
y=y/z
一般可以令z=1,則x=x,y=y
相機成像的原理就是小孔成像的原理如圖所示。
由於小孔成像會導致成像翻轉問題，一般相機都會處理成正立的影象。數學上直接把成像面放置到小孔前面，這樣思考問題會比較簡單，並且結果一致
接下來開始推導相機成像的數學模型，所用到的數學知識也只有相似三角形的知識。
設p(xc,yc,zc),p(x,y,z),根據相似三角形的知識，可以得到
x=xc/zc*f
y=yc/zc*f
z=f到這裡已經把相機座標系轉化到了座標系，但是我們常用的是畫素座標系，所以還要繼續進行轉化。
設p點的畫素座標為(u,v)，每個畫素塊的寬度是dx，高度是dy（可以將想象成乙個矩陣，裡面密集的排列著很多個光感器件，每個光感器件便是乙個畫素，光感器件的寬度便是dx，高度便是dy），理想情況下(cx,cy)為影象的中心點，但是由於相機安裝製作過程中會有這樣或那樣的問題，所以一般來說cx，cy不會剛剛好是的中心點。則u-cx=x/dx,v-cy=y/dy
變形並且帶入之前所推導的結果，可得
u=xc/zc*fx+cx
v=yc/zc*fy+cy
其中fx=f/dx
fy=f/dy
將上式子寫成矩陣的形式為
稱矩陣
到目前位置，我們所有的一切都是建立在相機座標系上的推導，但是一般來講，世界座標系和相機座標系不會是同乙個，我們需要將世界座標系轉換到相機座標系。任何兩個三維座標系之間都只差乙個旋轉矩陣r和平移矩陣t，pc=rpw+t
r是乙個3*3的正交矩陣，t是乙個3*1的向量。
將r和t寫在一起，並且表示為齊次座標的形式為
t稱為外引數矩陣，將內外引數矩陣寫在一起
到此便是整個相機模型了，注意有zc
之後若有興趣可以接著看標定的文章
相機標定的數學原理及其推導過程
計算機立體視覺之 相機針孔模型
相機模型是將三維世界中的物體投影到二維相機平面中。常見的相機模型有針孔模型 pinhole model 和全景模型 omni directional model，即通常稱為魚眼相機的模型 針孔模型是光學相機模型中最常見的模型，也是最簡單的一種。針孔模型一般使用在ccd相機中，但其他成像也可以使用此模...
計算機視覺 相機標定
brycezou 163.com 下圖基本展示了一些重要的概念 點 o 與 xc,y c,zc 三個軸組成的座標係為相機座標系，其中，原點 o 為相機光心，zc 為相機的光軸，光軸和成像平面 xo 1y垂直，且光軸與成像平面的交點為影象的主點o1 oo1 為相機的焦距 f xcoy c平面和成像平面...
計算機視覺 回歸模型
本文仍然是基於computer vision models,learning,and inference這本書的閱讀筆記與心得。雖然看的雲裡霧裡的，但不寫下來恐怕很快一點都不記得了。看的過程還是很吃力，感覺自己在學機器學習與概率論，在公式中掙扎。本章講的是機器學習兩大問題之一的回歸模型，討論的主要是...