摄像机模型和双目建模三维点云的理解

          摄像机模型和双目建模三维点云的理解_第1张图片

1、世界坐标系一点P(Xw,Yw,Zw)转换到摄像机坐标系为(Xc,Yc,Zc)

摄像机模型和双目建模三维点云的理解_第2张图片

其中R表示旋转矩阵,T表示平移矩阵

2、摄像机坐标系点(Xc,Yc,Zc)映射到图像坐标系的p(x,y)转换关系用到了透视投影

摄像机模型和双目建模三维点云的理解_第3张图片

f为相机的焦距

转换为齐次坐标形式为

摄像机模型和双目建模三维点云的理解_第4张图片

3、图像坐标系p(x,y)转换为像素坐标系(u,v),其中u,v表示像素点的行列数,dx和dy表示垂直和水平上每毫米有多少个像素,也就是每毫米有多少行像素和多少列像素,我们以(u,v)来表示图像上像素的列标和行标,这个是以像素为单位的图像坐标系中的坐标,坐标系的圆点Oo设在图像的左上角,同时还需要建立以实际物理单位如毫米为单位的图像坐标系,把该坐标系的圆点O1定在摄像机光轴和图像的交点处,x,y轴分别于u,v轴平行,如下图所示,并设O1的像素坐标为(u0,v0)(一般接近图像中心处),以dx和dy表示单个像素在x和y方向上的物理尺寸,则像素坐标系于图像坐标系存在的关系有:

摄像机模型和双目建模三维点云的理解_第5张图片

摄像机模型和双目建模三维点云的理解_第6张图片

转换为齐次坐标形式

摄像机模型和双目建模三维点云的理解_第7张图片

则最终将像素坐标系与世界坐标系进行转换,为了计算方便在上面的式子中左右都乘上Zc。

摄像机模型和双目建模三维点云的理解_第8张图片

则先转换为摄像机坐标系

                                                             摄像机模型和双目建模三维点云的理解_第9张图片

再转换为世界坐标系为

                                                          摄像机模型和双目建模三维点云的理解_第10张图片

进一步转化为

                                                         摄像机模型和双目建模三维点云的理解_第11张图片

                                                                   摄像机模型和双目建模三维点云的理解_第12张图片

其中,分别表示u,v轴上的尺度因子。

M1是相机的内参数矩阵,由相机内部决定

M2是相机的外参数矩阵,由旋转和平移矩阵决定

 

畸变校正部分

在没有经过畸变校正的前点为(u,v)

则经过径向畸变校正后点为:

所以在标定的时候,需要标定出k1,k2,k3,k4畸变系数,r为畸变点到摄像机光心的距离

 

平行双目视觉模型部分

摄像机模型和双目建模三维点云的理解_第13张图片

空间中的一点P在左右摄像机平面的坐标为pl(xl,yl),pr(xr,yr),连接左右摄像机Ol和Or为基线,基线长度为T,可以根据三角行相似性原理和左右摄像机平面上的坐标来求得,P点在摄像机坐标系上的XYZ坐标。

 下面将仔细认真的推导以下三维点云坐标的计算公式,有不对的地方还请指正

还是需要上面的图,但是我们需要设定几个未知值,请看下图

                                     摄像机模型和双目建模三维点云的理解_第14张图片

摄像机模型和双目建模三维点云的理解_第15张图片

 

摄像机模型和双目建模三维点云的理解_第16张图片

摄像机模型和双目建模三维点云的理解_第17张图片

 

同理可以根据三角型相似性原理可以求出Y轴上的坐标:

摄像机模型和双目建模三维点云的理解_第18张图片

 

最后可以总结得出三维坐标公式为:

你可能感兴趣的:(双目立体匹配)