2、相机成像模型：针孔相机模型、坐标系（世界、相机、图像、像素）定义与转换关系
相机成像模型是三维计算机视觉的基石。无论是立体匹配、视觉SLAM、AR/VR定位，还是工业测量与自动驾驶感知，所有几何计算的第一步，都是将三维空间中的点映射到二维图像平面上。理解这一映射过程，本质上就是理解四个坐标系之间的刚体变换与透视投影关系。本节将围绕针孔相机模型，系统梳理世界坐标系、相机坐标系、图像坐标系与像素坐标系的定义，并推导它们之间的数学转换链路，为后续的畸变校正、双目标定与三维重建打下坚实基础。
2.1 针孔相机模型：从物理光学到数学抽象
针孔相机模型（Pinhole Camera Model）是相机成像的最简近似。它假设光线沿直线传播，所有来自三维空间点的光线通过一个无限小的“针孔”（即光心）后，在后方像平面上形成倒立的实像。实际相机使用透镜代替针孔以增加进光量，但透镜的引入会带来畸变，因此针孔模型成为后续畸变校正的基准。
设三维空间点 P(Xc, Yc, Zc) 在相机坐标系下，其投影到图像平面上的物理坐标 (x, y) 满足相似三角形关系：
x = f · Xc / Zc
y = f · Yc / Zc其中 f 为焦距（物理单位，通常为毫米）。该式表明：深度 Zc 越大，投影点越靠近主点；当 Zc 趋近于 0 时，投影点趋于无穷远，这解释了为什么近处物体在图像中显得更大。针孔模型是线性模型，但实际镜头存在径向畸变（桶形/枕形）和切向畸变（透镜与像面不平行），这些将在后续章节中通过畸变系数进行非线性补偿。
2.2 四大坐标系的精确定义
在OpenCV标定流程中，四个坐标系各有明确的物理含义与数学表达。下表总结了它们的定义、原点位置、单位及用途：
| 坐标系 | 原点 | 单位 | 轴方向 | 典型用途 |
|---|---|---|---|---|
| 世界坐标系 | 人为指定（如标定板角点） | m / mm | 任意（通常Z轴垂直标定板） | 描述物体在真实世界的位置 |
| 相机坐标系 | 光心（透镜中心） | m / mm | Zc沿主光轴向前，Xc向右，Yc向下 | 描述物体相对相机的空间位置 |
| 图像坐标系 | 光轴与像面交点（主点） | mm | x向右，y向下 | 物理成像平面上的连续坐标 |
| 像素坐标系 | 图像左上角 | 像素（pixel） | u向右，v向下 | 数字图像中离散的像素索引 |
需要特别注意的是：相机坐标系的Y轴方向与图像坐标系的y轴方向一致（均向下），这与数学中常见的右手坐标系不同。OpenCV中图像原点在左上角，u轴向右，v轴向下，因此像素坐标与图像坐标之间仅存在缩放和平移关系，无翻转。
2.3 坐标系转换链路：从世界点到像素
完整的转换过程分为三步：刚体变换（世界→相机）→ 透视投影（相机→图像）→ 像素离散化（图像→像素）。以下逐一推导。
步骤一：世界坐标系 → 相机坐标系（外参）
世界坐标系中的点 Pw = (Xw, Yw, Zw, 1)ᵀ 通过旋转矩阵 R（3×3）和平移向量 t（3×1）变换到相机坐标系：
Pc = R · Pw + t其中 R 是正交矩阵（满足 RᵀR = I），t 表示世界原点在相机坐标系中的位置。R 和 t 合称为相机的外参（Extrinsic Parameters），它们描述了相机在世界坐标系中的位姿。在OpenCV标定中，外参通常针对每张标定板图像单独计算。
步骤二：相机坐标系 → 图像坐标系（内参·投影）
根据针孔模型，相机坐标系下的点 (Xc, Yc, Zc) 投影到图像平面：
x = f · Xc / Zc
y = f · Yc / Zc写成齐次坐标形式：
Zc · [x, y, 1]ᵀ = [f, 0, 0; 0, f, 0; 0, 0, 1] · [Xc, Yc, Zc]ᵀ步骤三：图像坐标系 → 像素坐标系（内参·离散化）
图像物理坐标 (x, y) 转换为像素坐标 (u, v)，需要引入像元尺寸 dx 和 dy（每个像素在x和y方向的物理宽度，单位mm/pixel），以及主点偏移 (cx, cy)：
u = x / dx + cx
v = y / dy + cy合并步骤二和三，得到内参矩阵 K：
K = [fx, 0, cx;
0, fy, cy;
0, 0, 1]其中 fx = f/dx，fy = f/dy，单位为像素。最终完整投影方程：
Zc · [u, v, 1]ᵀ = K · [R | t] · [Xw, Yw, Zw, 1]ᵀ2.4 案例拆解：单目相机标定中的坐标系应用
假设我们使用一张 9×6 的棋盘格标定板（内角点数为 8×5），每个方格边长为 30mm。以下是坐标系转换在标定流程中的具体体现：
- 世界坐标设定：以棋盘格左上角内角点为原点，Z轴垂直于标定板平面，则所有角点的世界坐标为 (i·30, j·30, 0)，其中 i=0..7, j=0..4。
- 角点检测：在图像中通过
cv2.findChessboardCorners()检测亚像素角点，得到对应的像素坐标 (u, v)。 - 外参初估：OpenCV使用张正友标定法，先忽略畸变，通过单应性矩阵 H = K·[r1, r2, t] 分解出每张图像的外参。
- 内参优化：多张图像联合优化，最小化重投影误差：
Σ || p_measured - p_projected(K, R, t, Pw) ||²。 - 畸变校正：在优化中加入径向畸变 k1, k2, k3 和切向畸变 p1, p2，得到最终标定结果。
实际标定中，我们拍摄 15~20 张不同姿态的标定板图像。每张图像的外参不同，但内参 K 和畸变系数是共享的。通过最小化所有图像的总重投影误差（通常要求小于0.1像素），即可获得高精度的相机参数。
2.5 常见误区与总结复盘
在理解相机成像模型时，以下误区需要特别警惕：
- 误区一：认为 fx = fy。实际镜头中，由于传感器制造公差和镜头畸变，fx 与 fy 通常有微小差异。在精密测量中必须分别标定。
- 误区二：忽略 Zc 的作用。投影方程中的 Zc 是深度因子，它决定了投影点的尺度。在齐次坐标中，Zc 不能随意归一化，否则会丢失深度信息。
- 误区三：混淆内参与外参。内参描述相机自身的投影属性（焦距、主点、畸变），外参描述相机在世界中的位姿。内参是相机的固有属性，不随拍摄位置变化；外参随每张图像变化。
- 误区四：认为标定板必须水平放置。实际上，标定板应倾斜放置以提供足够的几何约束，否则退化配置会导致标定失败。
总结：相机成像模型的核心是四个坐标系之间的三次变换。世界到相机是刚体变换（外参），相机到图像是透视投影（内参中的焦距部分），图像到像素是离散化（内参中的像元尺寸与主点）。掌握这一链路，是理解相机标定、双目立体视觉、PnP位姿估计等高级主题的前提。在OpenCV中，cv2.calibrateCamera() 函数封装了上述全部数学过程，但只有深入理解其背后的坐标系转换逻辑，才能在标定结果异常时快速定位问题根源。