4、相机模型与内参：针孔模型详解、畸变模型（径向与切向）、内参矩阵的数学含义
聊到相机标定，绕不开的就是相机模型。说白了，相机模型就是描述「三维世界里的点，是怎么跑到二维图像上」的一套数学规则。我刚开始接触视觉时，觉得这东西太抽象，直到有一次项目里标定结果总是不对，回头一查，才发现是对内参的理解出了偏差。嗯，今天咱们就把这块彻底捋清楚。
4.1 针孔模型：最朴素的成像原理
针孔模型是最基础的相机模型。你想象一个暗箱，前面戳一个小孔，光线穿过小孔，在后面的感光面上成像。这就是针孔模型的物理原型。
数学上，它描述的是这样一个关系：
- 世界坐标系中的一点 P(X, Y, Z)
- 经过小孔投影到图像平面上的点 p(u, v)
- 两者之间满足相似三角形关系
公式长这样：
u = f * (X / Z) + u0
v = f * (Y / Z) + v0其中 f 是焦距，(u0, v0) 是主点坐标（光轴与图像平面的交点）。
4.2 畸变模型：现实世界没有完美镜头
针孔模型是理想情况。现实中的镜头有畸变，光线不走直线。畸变主要分两类：径向畸变和切向畸变。
4.2.1 径向畸变
径向畸变是光线在镜头边缘弯曲造成的。越靠近图像边缘，变形越明显。它又分两种：
- 桶形畸变：图像向外凸出，像鱼眼镜头
- 枕形畸变：图像向内凹陷，像长焦镜头
数学上用泰勒级数来修正：
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 是像素到主点的距离，k1, k2, k3 是径向畸变系数。
4.2.2 切向畸变
切向畸变是因为镜头和传感器不平行造成的。说白了，就是镜头装歪了。修正公式：
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]其中 p1, p2 是切向畸变系数。
我个人习惯，标定时把 5 个畸变系数（k1, k2, k3, p1, p2）全开。如果某个系数标出来接近零，再考虑去掉它。别一开始就偷懒。
4.3 内参矩阵：把物理量翻译成像素
内参矩阵是相机内部参数的数学封装。它把相机坐标系下的三维点，映射到像素坐标系下的二维点。矩阵形式：
[ fx 0 cx ]
K = [ 0 fy cy ]
[ 0 0 1 ]各参数含义：
| 参数 | 含义 | 单位 |
|---|---|---|
| fx | x 方向焦距（像素单位） | pixel |
| fy | y 方向焦距（像素单位） | pixel |
| cx | 主点 x 坐标 | pixel |
| cy | 主点 y 坐标 | pixel |
你想想看，fx 和 fy 为什么可能不一样？因为传感器像素不一定是正方形。有些工业相机，像素是矩形的，所以两个方向的焦距就不同。
4.4 完整投影流程：从世界点到像素点
一个三维点最终变成图像上的像素，经历了四步变换：
- 世界坐标系 → 相机坐标系（外参矩阵，旋转+平移）
- 相机坐标系 → 归一化平面（除以 Z，得到归一化坐标）
- 畸变修正（径向+切向）
- 归一化平面 → 像素坐标系（内参矩阵）
这四步缺一不可。我见过有人跳过畸变修正，直接拿针孔模型去算，结果标定出来的内参全是错的。
下面这张图，把整个流程串起来了：
4.5 HALCON 中的内参与畸变参数
在 HALCON 里，标定完成后，内参和畸变参数都存放在相机句柄中。你可以用 get_calib_data 把它们取出来。
HALCON 的相机参数顺序是固定的：
* 相机参数列表（顺序固定）
* [焦距, k1, k2, k3, p1, p2, cx, cy, 图像宽, 图像高]
CameraParam := [0.008, -1000, 2000, 0, 0, 0, 640, 512, 1280, 1024]注意：HALCON 里的焦距单位是米，不是像素。它内部会自动结合像素尺寸换算成 fx、fy。
4.6 内参矩阵的几何意义
内参矩阵不只是几个数字。它描述了相机的内部几何：
- fx, fy：决定了物体在图像上的缩放比例。焦距越大，物体看起来越大。
- cx, cy：决定了图像坐标系的原点偏移。如果标定出来的 cx 偏离图像中心很多，说明镜头安装有偏心。
- fx/fy 比值：如果这个比值不等于 1，说明像素不是正方形。这在一些工业相机中很常见。
举个例子，假设你标定得到：
fx = 1200, fy = 1200, cx = 640, cy = 512这意味着：
- 焦距在像素单位下是 1200
- 主点在 (640, 512)，接近图像中心
- 像素是正方形的（fx == fy）
如果标定出来 fx = 1200, fy = 1195，别慌。这可能是标定板没放平，或者标定图片不够多。我一般会重新标定一次，看看两次结果是否一致。
4.7 小结
相机模型和内参，是标定的核心。针孔模型给了我们理想情况下的映射关系，畸变模型修正了现实镜头的缺陷，内参矩阵则把这一切翻译成像素坐标。理解这三者的关系，你就能看懂标定结果，也能在出问题时快速定位。