1、坐标系基础：世界坐标系、相机坐标系、图像坐标系、像素坐标系的定义与关系

做目标跟踪这些年，我踩过最多的坑，就是坐标系搞混了。

你想想看，一个目标在真实世界里是三维的，到了照片里变成了二维的。这中间经历了多少次坐标变换？每次变换都藏着坑。我记得刚入行那会儿，有个项目死活跟踪不准，折腾了两周，最后发现是像素坐标系和图像坐标系搞反了——一个正Y轴朝上，一个朝下，就这么简单的事。

所以今天咱们先把地基打牢。四个坐标系，一个变换链条，我带你捋一遍。

说白了，这就是我们生活的真实世界。你站在马路上，面前有一辆车——车的位置就是世界坐标系下的坐标。单位是米，原点可以随便定，比如以某个路灯为原点。

世界坐标系是绝对的。不管相机怎么动，目标在世界坐标系下的位置是不变的。这一点在做多相机跟踪时特别重要。我曾经做过一个跨镜头的行人跟踪项目，A相机看到行人在(10, 5, 0)，B相机看到同一个行人在(8, 3, 0)——如果不统一到世界坐标系，你根本不知道这是同一个人。

  关键点：世界坐标系是其他所有坐标系的"根"。所有变换最终都要回到这里。

相机坐标系是以相机为中心看世界。原点在相机的光心，Z轴指向相机的前方（也就是镜头朝向），X轴向右，Y轴向下。

嗯，这里要注意：相机坐标系的Y轴是朝下的。这和世界坐标系的习惯不一样。很多新手在这里翻车。

从世界坐标系到相机坐标系，其实就是一个刚体变换——旋转加平移。公式长这样：

P_cam = R * P_world + T

其中R是旋转矩阵，T是平移向量。R和T合起来就是相机的外参。每个相机的外参都不一样，这就是为什么不同相机看到的同一个目标位置不同。

我的习惯：在实际项目中，我会把相机外参单独存成一个配置文件。换相机或者调位置时，只改这个文件就行，代码不用动。

到了这一步，三维世界被投影到了二维平面上。图像坐标系的原点在相机的光轴与成像平面的交点——也就是图像的中心。单位还是物理单位，比如毫米。

从相机坐标系到图像坐标系，用的是小孔成像模型：

x = f * X_cam / Z_cam
y = f * Y_cam / Z_cam

f是焦距。你看，Z_cam跑到了分母上——这就是透视投影。近大远小，就是这个公式在作怪。

我做过一个车辆跟踪的项目，远处一辆车明明很大，到了图像上只有几个像素。如果不做尺度归一化，跟踪器根本认不出来。所以后来我习惯在跟踪前先做一步尺度补偿。

终于到了我们最熟悉的坐标系。像素坐标系的原点在图像的左上角，u轴向右，v轴向下。单位是像素。

从图像坐标系到像素坐标系，就是一个缩放加平移：

u = x / dx + u0
v = y / dy + v0

dx和dy是每个像素的物理尺寸，u0和v0是图像中心点的像素坐标。这些参数合起来就是相机的内参矩阵。

我曾经踩过的坑：有一次我直接用OpenCV的cv2.warpAffine做图像变换，结果目标框全偏了。查了半天才发现，OpenCV的坐标系是像素坐标系，而我传进去的变换矩阵是基于图像坐标系的。差了一个平移量，整个跟踪就废了。

下面这张图是我手绘的，把整个变换链条串起来了。你盯着看两分钟，应该就能记住。

做目标跟踪时，我一般遵循一个原则：在哪个坐标系下做跟踪，就用哪个坐标系的度量。

举个例子：

我的建议：新手做目标跟踪，先在像素坐标系下跑通。别一上来就搞世界坐标系，坑太多。等你的跟踪器在像素坐标系下稳定了，再考虑加坐标变换。

为了方便你查阅，我把常用的变换矩阵整理成了表格：

注意：上面的内参矩阵K是简化版。实际相机还有畸变参数——径向畸变和切向畸变。我建议你在做高精度跟踪时，一定要做相机标定，把畸变矫正掉。不然目标在图像边缘时，位置误差会很大。

好了，坐标系基础就讲到这里。这四个坐标系的关系，说白了就是一条链：世界→相机→图像→像素。每个环节都有对应的变换参数。搞清楚了这些，后面的坐标变换技巧才能用得上。

  一句话总结：世界坐标系是"真实位置"，相机坐标系是"以相机看世界"，图像坐标系是"物理投影"，像素坐标系是"数字表示"。四个坐标系，一条变换链，搞懂它们，目标跟踪就成功了一半。

可可精品资料库