4. 相机模型与成像几何
做3D测量，绕不开相机模型。说白了，相机模型就是一套数学规则，它告诉我们：三维空间里的一个点，是怎么跑到二维图像上的。反过来，我们做标定，就是要把这套规则里的未知参数给算出来。
我个人习惯把相机模型拆成三块来理解：针孔模型（理想成像）、畸变模型（现实偏差）、内参和外参（数学描述）。这三块搞清楚了，标定你就懂了一半。
4.1 针孔模型：最朴素的成像原理
针孔模型是所有相机模型的起点。它假设光线沿直线传播，穿过一个小孔，在后面的成像平面上形成一个倒立的实像。你想想看，这其实就是初中物理的小孔成像。
数学上，针孔模型用相似三角形来描述。假设空间点 P(X, Y, Z) 在图像平面上的投影为 p(x, y)，焦距为 f，那么：
x = f * (X / Z)
y = f * (Y / Z)这个公式看着简单，但它是一切的基础。我在项目中遇到过不少新手，一上来就调畸变参数，结果发现标定总是不收敛。其实根源往往是针孔模型的基本假设没满足——比如相机离物体太近，或者镜头畸变太大，针孔模型已经不太适用了。
gen_cam_par_area_scan_division 快速估算一下内参，看看 fx 和 fy 是否接近。如果相差超过 5%，说明镜头可能存在较大的畸变，需要更仔细地标定。
4.2 畸变模型：现实世界没有完美的镜头
现实中的镜头不是理想的小孔。光线经过透镜时会发生折射，导致图像变形。这就是畸变。畸变主要分两类：径向畸变和切向畸变。
4.2.1 径向畸变
径向畸变是沿着镜头半径方向的变形。离图像中心越远，变形越明显。它又分两种：
- 桶形畸变：图像边缘向外凸出，像木桶。常见于广角镜头。
- 枕形畸变：图像边缘向内凹陷。常见于长焦镜头。
数学上，径向畸变用多项式来建模：
x_corrected = x * (1 + k1 * r^2 + k2 * r^4 + k3 * r^6)
y_corrected = y * (1 + k1 * r^2 + k2 * r^4 + k3 * r^6)其中 r 是像素到图像中心的距离，k1、k2、k3 是径向畸变系数。一般标定只需要 k1 和 k2，k3 用于高畸变镜头。
4.2.2 切向畸变
切向畸变是由于镜头和成像平面不平行造成的。说白了，就是镜头装歪了。它用两个参数 p1、p2 来描述：
x_corrected = x + [2 * p1 * x * y + p2 * (r^2 + 2 * x^2)]
y_corrected = y + [p1 * (r^2 + 2 * y^2) + 2 * p2 * x * y]4.3 内参矩阵：相机自己的“身份证”
内参矩阵描述了相机内部的几何属性。它把相机坐标系下的点映射到像素坐标系。标准形式是：
[ fx 0 cx ]
K = [ 0 fy cy ]
[ 0 0 1 ]每个参数的物理意义：
| 参数 | 物理意义 | 单位 |
|---|---|---|
| fx, fy | 焦距在 x 和 y 方向上的像素当量。fx = f / dx，其中 dx 是每个像素的物理宽度。 | 像素 |
| cx, cy | 主点坐标，即光轴与成像平面的交点。理想情况下在图像中心。 | 像素 |
你想想看，fx 和 fy 如果不一样，说明像素不是正方形的。这在工业相机里很常见，尤其是 CMOS 传感器。我一般拿到一个新相机，第一件事就是看 fx 和 fy 的比值，如果偏离 1 太多，我会怀疑是不是相机参数设置错了。
4.4 外参矩阵：相机在空间中的“位置和姿态”
外参矩阵描述的是世界坐标系和相机坐标系之间的变换关系。它由两部分组成：
- 旋转矩阵 R：3x3 矩阵，描述两个坐标系之间的旋转关系。
- 平移向量 T：3x1 向量，描述两个坐标系原点之间的位移。
外参矩阵的齐次形式是：
[ R T ]
[ 0 1 ]它的作用是把世界坐标系下的点 P_w 转换到相机坐标系下：
P_c = R * P_w + Tcamera_calibration 算子会同时输出内参和外参。
4.5 完整的成像过程：从世界到像素
把上面所有步骤串起来，一个三维点是怎么变成像素的？
- 世界坐标系 → 相机坐标系：通过外参矩阵 (R, T)。
- 相机坐标系 → 归一化图像平面：通过针孔模型，得到 (x, y) = (X/Z, Y/Z)。
- 畸变校正：对 (x, y) 应用径向和切向畸变模型。
- 归一化平面 → 像素坐标系：通过内参矩阵 K，得到 (u, v)。
这个过程在 Halcon 里对应的是 project_3d_point 算子。我调试标定结果时，经常用它来验证：随便选几个标定板上的点，看投影到图像上的位置和实际检测到的位置是否一致。如果偏差超过 0.5 像素，我会重新检查标定数据。
get_calib_data 算子提取标定后的内参和外参，然后用 disp_caltab 把标定板投影到图像上，直观地检查标定质量。这个可视化步骤，我每次标定完都会做一遍。
4.6 本章小结
相机模型是3D测量的数学基础。针孔模型给出了理想成像的几何关系，畸变模型修正了现实镜头的偏差，内参矩阵描述了相机自身的属性，外参矩阵描述了相机在空间中的位置。理解这些参数的物理意义，能帮你更快地定位标定问题，而不是盲目地调参数。