slam十四讲，第五讲中相机坐标系，像素平面坐标系，世界坐标系，归一化坐标系总结

最新推荐文章于 2025-05-28 13:58:47 发布

原创

最新推荐文章于 2025-05-28 13:58:47 发布 · 8.9k 阅读

127 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #slam

本文总结了SLAM中的相机坐标系、像素平面坐标系、世界坐标系和归一化坐标系之间的转换关系。通过内参矩阵K和外参(R,t)将世界坐标Pw转换为像素坐标Puv，涉及到的关键步骤包括：世界坐标到相机坐标、相机坐标到归一化坐标、归一化坐标到物理平面坐标以及物理平面到像素平面的转换。此外，还解释了内参K在相机标定中的作用和物理平面与像素平面的基本单位转换。" 123394529,11336150,中国盐酸林可霉素市场分析报告：行业现状与未来趋势,"['医药行业', '市场调研', '药物分析', '抗生素', '制药企业']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#笔记，方便日后忘记回看，仅总结，具体推导回看十四讲
先上图：
在这里插入图片描述
如图，现实世界中有一个P点和一个相机（光心），描述这个P点的空间坐标首先得有一个坐标系，那么以光心为原点O建一个坐标系，叫相机坐标系。
那么就可以在相机坐标系下，设P坐标(x,y,z)和P的投影点P’(x’,y’,z’)。值得一提的是，P’(x’,y’,z’)坐落在物理成像平面和像素平面。
物理成像平面，像素平面是二维的，他们的坐标系并不一样：
物理成像平面在o’x’y’平面上；
像素平面的原点在那个黑灰色图的左上角(图片的左上角)，横轴向右称为u轴，纵轴向下称为v轴。
这样就得到了P’的像素坐标P(u,v)，称为Puv。

上面提到了相机坐标系，物理成像平面，像素平面，我都快绕蒙了（一会还有个P的世界坐标），那先讲讲他们的转换关系吧，这里只给出最终的转换公式，具体推导还是回去看十四讲吧…
请添加图片描述
在这里插入图片描述其中的K是内参；R,t是外参；T可以看作是R,t的另一种表现形式（通过增加维度实现R,t整合得到的一个矩阵，目的是牺牲维度获取线性度，具体看slam十四讲的第三讲）