我使用opencv校准了我的单声道相机 . 现在我知道相机的内部矩阵和失真系数[K1，K2，P1，P2，K3，K4，K5，K6] . 假设相机位于[x，y，z]并且[Roll，Pitch，Yaw]旋转 . 当相机在地板上观看时，如何获得世界坐标中的每个像素[z = 0] .
你说你校准了你的相机，它给你：
内在参数
外部参数（旋转，平移）
失真系数
首先，为了补偿失真，您可以使用undistort函数并获得未失真的图像 . 现在，您剩下的是内在/外在参数和针孔相机模型 . 以下公式取自OpenCV documentation，解释了如何使用这些参数将3D世界坐标转换为2D图像坐标：
基本上，您将3D坐标乘以投影矩阵，而投影矩阵又是内部参数（等式中的第一个矩阵）和外部参数（等式中的第二个矩阵）的组合 . 外部参数矩阵包含旋转和平移分量 [R|T] .
[R|T]
我建议你首先研究针孔相机模型，该模型模拟使用相机内部参数将3D世界中的点映射到图像平面的过程 . 正如您将看到的，此过程不是一对一的，因此它通常不能反转（图像到3D），除非您有深度信息（您有，因为您说点位于z = 0） ） . 在this presentation的幻灯片27中提到了这种特殊情况 . 以前的讲座详细解释了图像形成过程，可以作为实际确定从图像到世界坐标的转换的第一个参考 . Szeliski's book和this PDF也是很好的资源 .
假设您的相机根据世界参考具有T = [xyx]'平移，并且正如您所说的相机具有R = [滚动，俯仰哈欠]旋转并且您的相机instrics参数在K中 . 任何像素（图像上的[px py]）平面）在世界平面上具有W = [X，Y]坐标，并且可以使用以下Matlab代码计算W
R = rotationVectorToMatrix(R)' H=K*[R T];` Q=inv([H(:,1) H(:,2) -[px;py;1]])*-H(:,4); W=Q(1:2)
在这里，文档的结尾是我的意思很好的例子，https://github.com/muhammetbalcilar/Stereo-Camera-Calibration-Orthogonal-Planes
3 回答
你说你校准了你的相机，它给你：
内在参数
外部参数（旋转，平移）
失真系数
首先，为了补偿失真，您可以使用undistort函数并获得未失真的图像 . 现在，您剩下的是内在/外在参数和针孔相机模型 . 以下公式取自OpenCV documentation，解释了如何使用这些参数将3D世界坐标转换为2D图像坐标：
基本上，您将3D坐标乘以投影矩阵，而投影矩阵又是内部参数（等式中的第一个矩阵）和外部参数（等式中的第二个矩阵）的组合 . 外部参数矩阵包含旋转和平移分量
[R|T].我建议你首先研究针孔相机模型，该模型模拟使用相机内部参数将3D世界中的点映射到图像平面的过程 . 正如您将看到的，此过程不是一对一的，因此它通常不能反转（图像到3D），除非您有深度信息（您有，因为您说点位于z = 0） ） . 在this presentation的幻灯片27中提到了这种特殊情况 . 以前的讲座详细解释了图像形成过程，可以作为实际确定从图像到世界坐标的转换的第一个参考 . Szeliski's book和this PDF也是很好的资源 .
假设您的相机根据世界参考具有T = [xyx]'平移，并且正如您所说的相机具有R = [滚动，俯仰哈欠]旋转并且您的相机instrics参数在K中 . 任何像素（图像上的[px py]）平面）在世界平面上具有W = [X，Y]坐标，并且可以使用以下Matlab代码计算W
在这里，文档的结尾是我的意思很好的例子，https://github.com/muhammetbalcilar/Stereo-Camera-Calibration-Orthogonal-Planes