相机内参矩阵相关

最新推荐文章于 2025-03-14 16:26:36 发布

原创最新推荐文章于 2025-03-14 16:26:36 发布 · 1.8k 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#相机内参转换

ROS 专栏收录该内容

2 篇文章

订阅专栏

本文深入探讨了相机内参矩阵的概念及其在空间坐标与图像坐标转换中的应用。通过解析内参矩阵，我们能够理解图像坐标如何映射到三维空间坐标，并反过来计算空间点在图像上的投影位置。特别地，文章讨论了如何利用内参矩阵判断图像像素点在空间中的距离差，进而估算空间分辨率的范围。

相机内参矩阵，进行空间坐标和图像坐标之间的相互转换。

内参矩阵表示

$M=\begin{bmatrix} fx & 0&ux \\ 0& fy&uy \\ 0& 0 & 1 \end{bmatrix}$

另图像坐标为s,空间坐标为t，

$s=\begin{bmatrix} u\\ v\\ 1 \end{bmatrix}$ $t=\begin{bmatrix} x\\ y\\ z \end{bmatrix}$

其转换关系可以表示为

$z\cdot s=M\cdot t$

拆成一般式为：

1) 由图像坐标转换至空间坐标：

$x=z\cdot (u-ux)/fx$ equ1

$y=z\cdot (v-uy)/fy$ equ2

2) 由空间坐标转换为图像坐标为：

$u=(fx\cdot x+ux\cdot z)/z$

$v=(fy\cdot y+uy\cdot z)/z$

根据equ1和equ2来判断图像上一个像素点在空间中对应的距离差

另 $u=u+1,带入得$ 代入得，

$x'=z\cdot (u+1-ux)/fx=z\cdot (u-ux)/fx+z/fx$ ,

对比equ1发现， $\Delta x=z/fx$

因此对应空间分辨率是个范围值，一般常用数据集中z值在500～1000之间，

fx在200～400之间，故空间分辨率大致在1～5mm之间。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。