orb_slam2坐标系的理解

原创已于 2024-10-09 16:04:31 修改 · 3.4k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#数码相机

于 2020-08-10 13:22:17 首次发布

C++ 专栏收录该内容

28 篇文章

订阅专栏

本文深入探讨了SLAM（同步定位与地图构建）中涉及的像素坐标系、图像坐标系、相机坐标系和世界坐标系之间的关系。通过解析不同坐标系间的转换公式，帮助读者理解相机内参和外参的意义，以及它们如何影响图像处理和机器人定位。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原因：orb_slam2学习过程中，会遇到许多关于相机pose和图片的转化问题，想要理解他们的原理，需要缕清各种坐标系之间的关系。

介绍：slam中涉及到四个常用坐标系，包括像素坐标系（u,v）、图像坐标系（x,y）、相机坐标系（Xc,Yc,Zc）和世界坐标系（Xw,Yw,Zw）

1.像素坐标系与图像坐标系

像素坐标系以图像左上角为原点建立以像素为单位的直接坐标系u-v。（在OpenCV中u对应x，v对应y）

图1 图像坐标系

由于(u,v)只代表像素的列数与行数，而像素在图像中的位置并没有用物理单位表示出来，所以，我们还要建立以物理单位（如毫米）表示的图像坐标系x-y。将相机光轴与图像平面的交点（一般位于图像平面的中心处，也称为图像的主点（principal point）定义为该坐标系的原点O1，且x轴与u轴平行，y轴与v轴平行，假设(u0,v0)代表O1在u-v坐标系下的坐标，dx与dy分别表示每个像素在横轴x和纵轴y上的物理尺寸，则图像中的每个像素在u-v坐标系中的坐标和在x-y坐标系中的坐标之间都存在如下的关系：

其中，我们假设物理坐标系中的单位为毫米，那么dx的的单位为:毫米/像素。那么x/dx的单位就是像素了，即和u的单位一样都是像素。为了使用方便，可将上式用矩阵形式表示为：

2.相机坐标系与图像坐标系

相机成像的几何关系可由图2表示。其中O点为摄像机光心（投影中心），Xc轴和Yc轴与成像平面坐标系的x轴和y轴平行，Zc轴为摄像机的光轴，和图像平面垂直。光轴与图像平面的交点为图像的主点O1,由点O与Xc,Yc,Zc轴组成的直角坐标系称为摄像机的坐标系。OO1为摄像机的焦距。

图2 相机坐标系与世界坐标系，OwXwYwZw即为世界坐标系

相机内参中的fx与fy，计算点在相机坐标系的坐标

当我们用OpenCV相机标定函数去标定相机时，我们能得到一个相机的内部参数，简称“内参”。内参是一个3×3的矩阵，

其中cx和cy可以理解为u0和v0，它们表示相机光轴在图像坐标系中的偏移量，以像素为单位。但对于焦距fx和fy就不是很直观了。其中f是相机的焦距，以像素为单位；d为物体到相机的距离，单位为米；x是物体在图像中的宽度，w为物体的实际宽度；y是物体在图像中的高度，而h是物体的实际高度。而对于一张矩形的图像，则有

fx / d = x / w = 1 / dx => fx = d / dx

fy / d = y / h = 1 / dy => fy = d / dy

三角形相似性：

d / Zc = x / Xc

由 x = ( u - cx ) * dx； => Xc =（ u - cx ）* dx * Zc / d;

=> Xc = ( u - cx ) * Zc / fx;

=> Yc = ( v - cy ) * Zc / fy;

3.世界坐标系

世界坐标系是为了描述相机的位置而被引入的。平移向量t和旋转矩阵R可以用来表示相机坐标系与世界坐标系的关系。所以，假设空间点P在世界坐标系下的坐标是(Xw,Yw,Zw,1)T，（这里T是上标转置），在相机坐标下的坐标是(Xc,Yc,Zc,1)T,则存在如下的关系：