三、抖动建模：六自由度运动、旋转与平移、抖动频率特性及对视频的影响
运动相机防抖算法的核心前提，是对“抖动”本身建立精确的数学模型。如果无法将物理世界中的随机振动转化为可量化、可分解、可预测的信号，那么任何滤波、补偿或裁剪策略都无从谈起。本章从刚体运动学出发，建立六自由度（6DoF）抖动模型，分析旋转与平移在成像平面上的不同投影规律，并深入探讨抖动的频率特性——这是区分“可补偿抖动”与“不可补偿模糊”的关键分界线。只有透彻理解抖动在频域和空间域的表现，才能为后续的陀螺仪标定、姿态解算、运动平滑和图像重投影奠定坚实的理论基础。
3.1 六自由度运动模型：从刚体运动到成像坐标
运动相机在三维空间中的任意运动，都可以分解为三个正交轴上的平移（Translation）与绕这三个轴的旋转（Rotation），合称六自由度（6 Degrees of Freedom, 6DoF）。设相机坐标系原点为光心，X轴指向右，Y轴指向下（图像坐标系习惯），Z轴沿光轴向前。则平移向量 T = [Tx, Ty, Tz]^T 描述相机在空间中的位置变化，旋转向量 R = [Rx, Ry, Rz]^T 描述相机姿态的角变化。在EIS算法中，我们通常使用陀螺仪（Gyroscope）测量角速度并积分得到旋转角，使用加速度计（Accelerometer）辅助估计平移分量，但实际工程中，加速度计数据受重力分量和噪声干扰严重，因此多数消费级EIS仅依赖旋转信息进行补偿。
从刚体运动学角度，相机位姿变化可用齐次变换矩阵表示：
| X' | | r11 r12 r13 tx | | X |
| Y' | = | r21 r22 r23 ty | * | Y |
| Z' | | r31 r32 r33 tz | | Z |
| 1 | | 0 0 0 1 | | 1 |其中 r 构成旋转矩阵 R（正交矩阵，满足 R^T·R = I），t 为平移向量。旋转矩阵可用欧拉角（横滚Roll、俯仰Pitch、偏航Yaw）或四元数表示。在EIS中，我们更关心旋转对成像的影响，因为旋转导致的图像变化与场景深度无关——这是旋转补偿能够全局生效的数学基础。
3.2 旋转与平移对成像的不同影响
旋转运动（Rx/Ry/Rz）在成像平面上的表现是全局性的。绕X轴旋转（横滚）导致图像整体旋转；绕Y轴旋转（俯仰）导致图像垂直方向平移和梯形畸变；绕Z轴旋转（偏航）导致图像水平方向平移和透视压缩。这些变换可以用单应性矩阵（Homography）精确描述，且与场景深度无关。这意味着，只要知道旋转角度，就可以通过图像重投影（Reprojection）精确还原无抖动的画面。
平移运动（Tx/Ty/Tz）则完全不同。当相机发生水平平移（Tx）时，近处物体在图像上移动速度快，远处物体移动速度慢，形成视差。垂直平移（Ty）类似。前后平移（Tz）则表现为缩放效应（推拉镜头效果）。平移导致的图像变化无法用单一全局变换描述，必须依赖深度信息进行逐像素补偿，这在单目相机中是一个病态问题。
| 运动类型 | 成像表现 | 深度相关性 | EIS可补偿性 |
|---|---|---|---|
| 绕X轴旋转（横滚） | 图像整体旋转 | 无关 | 完全可补偿 |
| 绕Y轴旋转（俯仰） | 垂直平移+梯形畸变 | 无关 | 完全可补偿 |
| 绕Z轴旋转（偏航） | 水平平移+透视压缩 | 无关 | 完全可补偿 |
| 水平平移（Tx） | 视差（近快远慢） | 强相关 | 需深度信息，通常不补偿 |
| 垂直平移（Ty） | 视差（垂直方向） | 强相关 | 需深度信息，通常不补偿 |
| 前后平移（Tz） | 缩放（推拉） | 强相关 | 可近似补偿（假设平面场景） |
3.3 抖动频率特性：时域与频域分析
人体手持运动相机的抖动能量主要集中在低频段。通过傅里叶变换分析陀螺仪数据，可以发现典型的抖动频谱具有以下特征：
- 生理性震颤（8-12Hz）：由肌肉不自主收缩引起，幅值较小但频率稳定，是EIS需要抑制的主要成分之一。
- 行走摆动（1-3Hz）：步行时身体重心周期性上下移动，产生低频大幅值抖动。
- 呼吸起伏（0.2-0.5Hz）：缓慢的周期性运动，通常被视为“有意运动”而非抖动，EIS应保留。
- 高频随机振动（>20Hz）：机械振动、风振等，幅值小但难以通过图像算法补偿，因为帧率限制了采样率。
EIS的频率响应设计需要区分“有意运动”（如全景扫描、跟随拍摄）和“无意抖动”。通常采用高通滤波器（HPF）分离有意运动，低通滤波器（LPF）平滑无意抖动。滤波器的截止频率选择至关重要：截止频率过高会导致画面漂移（有意运动被抑制），过低则无法有效去除抖动。
3.4 抖动对视频质量的具体影响
抖动对视频的影响不仅体现在画面不稳定上，还直接损害图像质量。旋转抖动导致帧间重叠区域减少，迫使EIS系统增大裁剪比例，从而降低有效分辨率和视场角。平移抖动引起的运动模糊（Motion Blur）在低光照条件下尤为严重——当曝光时间超过抖动周期的1/4时，图像边缘会出现拖影。此外，卷帘快门（Rolling Shutter）效应与高频抖动耦合，会产生“果冻扭曲”（Jello Effect），即画面中垂直物体在快速摇摄时发生倾斜。
从频域角度看，抖动相当于在图像序列上施加了一个时变的空间位移场。当位移场的频率接近帧率时，会出现混叠（Aliasing）现象，表现为画面“闪烁”或“跳动”。EIS算法通过运动平滑（Motion Smoothing）在时间域上对位移轨迹进行低通滤波，但过度平滑会引入“滞后感”（Lag），影响实时预览体验。
3.5 案例拆解：骑行场景下的抖动建模与补偿策略
场景背景：某运动相机品牌收到用户反馈，在公路自行车骑行场景中，4K/30fps视频画面出现明显的“水波纹”失真和边缘抖动，尤其在经过颠簸路面时，画面中心区域尚可，但边缘区域出现严重的梯形畸变和模糊。
数据采集与分析：工程师使用内置IMU（惯性测量单元）以200Hz采样率记录骑行过程中的角速度和加速度数据。通过频谱分析发现：
- 垂直方向（Ty）加速度能量集中在2-4Hz，对应骑行踏频（90-120rpm）的倍频。
- 绕Z轴（偏航）角速度在5-8Hz存在显著峰值，源于车把的横向摆动。
- 绕X轴（横滚）角速度在10-12Hz出现生理性震颤峰值。
问题定位：现有EIS算法采用固定截止频率（3Hz）的高通滤波器，导致2-4Hz的踏频振动被误判为“有意运动”而保留，造成画面垂直方向持续漂移。同时，5-8Hz的偏航抖动超出了裁剪余量（仅8%），导致边缘出现空洞。
优化方案：
- 将高通滤波器截止频率调整为1.5Hz，有效抑制踏频振动。
- 引入自适应裁剪算法：根据实时角速度幅值动态调整裁剪比例（8%-15%），在剧烈抖动时自动增大裁剪。
- 对10-12Hz的生理性震颤采用陷波滤波器（Notch Filter）定点抑制，避免影响其他频段。
- 启用“运动模糊补偿”模式：当检测到曝光时间超过2ms且角速度超过阈值时，自动提高ISO并缩短曝光时间，减少拖影。
结果对比：优化后，视频稳定性评分（基于SIFT特征点跟踪）从6.2分提升至8.7分（满分10分），边缘畸变减少72%，用户主观评价“画面明显更干净”。代价是低光照条件下噪点增加约1.5dB，但通过3D降噪算法部分抵消。
3.6 常见误区与总结复盘
误区一：认为旋转和平移可以独立处理。实际上，当相机同时发生旋转和平移时，成像变化是两者的耦合结果。例如，绕Y轴旋转（俯仰）会改变光轴方向，使得原本由平移产生的视差向量发生旋转。正确的做法是先补偿旋转，再处理残余平移。
误区二：忽略IMU与图像帧的时间同步。陀螺仪数据通常以200Hz采样，而图像帧率为30fps，两者之间存在时间偏移。若不同步，会导致补偿相位错误，反而加剧抖动。工程上需使用时间戳插值（Timestamp Interpolation）将IMU数据对齐到帧曝光中心时刻。
误区三：过度依赖频率滤波而忽视空间域约束。频率滤波只能平滑运动轨迹，但无法解决裁剪余量不足的问题。当抖动幅值超过裁剪边界时，必须采用“运动裁剪”（Motion Crop）策略，即允许画面边缘出现短暂黑边，或使用“内容感知填充”（Content-Aware Fill）进行外推。
总结：抖动建模是EIS算法的基石。六自由度模型提供了运动分解的数学框架，旋转与平移的区分决定了补偿策略的可行性边界，频率特性分析指导滤波器设计。实际工程中，必须结合IMU数据质量、场景深度、帧率、裁剪余量等多维约束，才能设计出鲁棒的防抖系统。下一阶段，我们将深入探讨如何从IMU原始数据中提取高精度的姿态信息，即传感器融合与姿态解算。