相机模型 + 对极几何（相机之间的约束）
针孔相机模型 / 鱼眼相机模型（无人机使用）
针孔相机模型
三维空间的物体如何反应在图像上呢？
- 世界坐标系 -> 相机坐标系（这个转换实际上就是一个刚体变换：旋转+平移）
- 相机坐标系 - >世界坐标系 （刚体变换的逆变换）
- Xw世界坐标Xc相机坐标X_w 世界坐标 X_c 相机坐标Xw?世界坐标Xc?相机坐标 R是正交矩阵，正交矩阵的逆和它的转置是一样的
世界坐标到相机坐标系
- 有些场景里需要绘制相机，所以需要绘制相机位置和朝向。相机坐标系中的z轴就是相机的朝向
- 相机朝向 在世界坐标系中的朝向：将相机坐标系中的原点和z轴一个点都投影到世界坐标系中，然后相减就是相机在世界坐标系中的朝向（实际上就是旋转矩阵R的第三行）。
- 齐次坐标：齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示，是指一个用于投影几何里的坐标系统。
- 定义齐次坐标也可以很容易区分点和向量。点的最后一个齐次坐标为1，向量的最后一个齐次坐标为0（所以平移就对其没有作用，只有旋转对其有作用）
相机坐标系到归一化像平面
- 从相机坐标到像平面坐标，其失去了一个ZcZ_cZc?，也就是失去了深度信息。只有知道这个深度，我们才能从二维图像确定该点在三维图像中的的位置
归一化像平面到像素坐标系
- 其中间差了一个单位。即像素的单位是，每一毫米有多少个像素。而归一化像平面的单位是毫米。这里一般将α和β\alpha 和 \betaα和β与fff乘在一起作为一个焦距。
- 由于归一化像平面其坐标是图像的中心，而图片的坐标通常是左上角，所以这中间还涉及到了一个平移。
成像过程总结
- 这里K我们常称为内参矩阵。因为其里面涉及的αβu0v0\alpha \beta u_0 v_0αβu0?v0?都是一个内参数
- 如果估计相机的外参数就是对相机的姿态估计（3维的跟踪）。如果估计内参数就是对相机的标定。
相机的畸变（径向畸变）
- 径向畸变发生在像平面上。
- 由r2=x2+y2r^2 = x^2 + y^2r2=x2+y2可知，当坐标点越偏离中心点，其畸变的程度就越大。
估计径向畸变的系数使用最小二乘法
径向畸变矫正
实现简单的相机c++类，完成相机投影过程的代码。