參考資料:
說內參矩陣之前，還得再引入畫素座標系的概念。
上述影象點的表示是長度單位，不是畫素，由於我們拿到的影象是以畫素來衡量的，因此還需要將影象座標系轉化為畫素座標系。
在此直接給出結論：
於是之前的相機矩陣又得新增一項：
上述推導中有乙個假設前提，就是相機的感光元件是正方形的，感光元件的安裝也是通過光軸中心的，但這不可能，於是會出現以下兩個問題：
感光元件的基本單元不是方的，乙個方形物體可能最後成像為乙個矩形（甚至會有斜切效果，一般可以不考慮斜切因素）；這導致表示式（1）中，dx與dy不相等，表示式（1）中，等式右邊的前三個矩陣合併，得到下式：感光元件的中心與光軸通過的主點不重合，會使得正常投影的影象發生了一點小小的位移。這導致表示式（1）中，u0與v0可能並不等於成像感測器長寬尺寸的一半。（理想狀態下就是一半）
其中被稱為內參矩陣（wikipedia）或者只合併等式右邊前兩個矩陣，得到下式：
一般習慣將矩陣：
稱為內參矩陣（少了一列0）。
內參矩陣的引數含義：內參矩陣反應了相機自身的屬性，各個相機是一不一樣的，需要標定才能知道這些引數。f：焦距，單位公釐，dx：畫素x方向寬度，單位公釐，1/dx：x方向1公釐內有多少個畫素
f/dx：使用畫素來描述x軸方向焦距的長度
f/dy：使用畫素來描述y軸方向焦距的長度
u0,v0,主點的實際位置，單位也是畫素。
《深入解讀相機矩陣》
urdf中相機內參
multicamera name stereo camera 30.0 update rate left 1.3962634 horizontal fov 800 width 800 height r8g8b8 format image 0.02 near 300 far clip gaussian...
相機內參與畸變模型
相機內參包括相機矩陣引數和畸變係數。相機內參矩陣為3 3的矩陣 m fx 0 ppx 0 fy ppy 0 0 1 畸變係數 k1 k2 k3 p1 p2 使用matlab可以很方便地進行相機內參標定 首先看一下無畸變情況下，已知相機座標系內的乙個點 xc,yc,zc 通過內參矩陣求出該點在影象平面...
相機模型（內引數，外引數）
相機成像的過程實際是將真實的三維空間中的三維點對映到成像平面 二維空間 過程，可以簡單的使用小孔成像模型來描述該過程，以了解成像過程中三維空間到二位影象空間的變換過程。本文包含兩部分內容，首先介紹小孔成像模型的各種幾何關係 接著描述了成像過程中的四種座標系 畫素座標，影象座標，相機座標，世界座標 的...