摄像机模型及坐标变换.pptVIP

参考书目 吴福朝. 计算机视觉中的数学方法，科学出版社，2008 J. G. Semple, G. T. Kneebone, Algebraic Projective Geometry, Oxford University Press, 1952. 梅向明, 刘增贤, 王汇淳, 王智秋, 高等几何, 高等教育出版社, 1998. 周兴和，高等几何，科学出版社，2003. 自标定方法非常地灵活,但它并不是很成熟。因为未知参数太多,很难得到稳定的结果。 一般来说，当应用场合所要求的精度很高且摄像机的参数不经常变化时，传统标定方法为首选。而自标定方法主要应用于精度要求不高的场合，如通讯、虚拟现实等。 * 摄像机的线性模型，是指经典的小孔模型。成像过程不服从小孔模型的称为摄像机的非线性模型。 * 空间点与其图像对应点之间是一种复杂的非线性关系。用图像中的像元位置难以准确计算实际空间点间的实际尺寸。企图用一种线性方法来找到这种对应关系几乎是不可能的。 * 就是从真实场景到其图像之间的一个对应矩阵。用同一平面上不共线的四个点可以计算出来。然后这个矩阵确定场景和对象点之间的一一对应关系。 单应性矩阵中包含着摄像机的内参数矩阵，旋转向量和平移向量。两个空间之间的一一对应关系，通过矩阵来实现。 比如说，场景和图像之间的对应矩阵。这个矩阵可以通过共面的四个点来计算。 * 在计算机视觉中，利