1. 相机模型与成像原理：小孔成像模型、针孔相机数学模型、世界坐标系到像素坐标系的转换
各位同学，咱们今天聊点硬核的——相机到底是怎么“看”到世界的？
我刚开始接触视觉时，总觉得相机拍照就是个“咔嚓”的事。直到第一次做畸变校正，发现图像边缘怎么都拉不直，才意识到：不懂成像模型，你连相机在干啥都不知道。今天咱们就把这个基础打牢。
1.1 小孔成像模型：最朴素的相机
你想想看，最早的相机长什么样？就是一个黑盒子，前面戳个小孔。光线从物体上反射过来，穿过小孔，在后面的屏幕上形成一个倒立的像。这就是小孔成像。
我记得在大学实验室里，老师拿个鞋盒、一张锡纸、一根针，现场给我们演示。蜡烛的火焰倒映在盒底的磨砂纸上，虽然模糊，但原理清清楚楚。
核心要点：
- 物体通过小孔在成像平面上形成倒立、左右颠倒的实像
- 像的大小与物距、像距有关：
像高 / 物高 = 像距 / 物距 - 小孔越小，图像越清晰，但亮度越低——这是个矛盾
说白了，小孔成像就是最原始的相机模型。现代相机虽然复杂得多，但数学本质没变。
1.2 针孔相机数学模型：从物理到数学
实际相机不能真的用针孔——太暗了。我们得用透镜来聚光。但透镜会引入畸变，这个后面再讲。先看理想情况：针孔相机模型。
这个模型做了三个假设：
- 光线沿直线传播（不考虑衍射）
- 所有光线都通过一个点——光心
- 成像平面是完美的平面
嗯，这里要注意：真实相机并不完全满足这些假设，但作为近似，它已经足够用了。我在做标定时，90%的情况用这个模型就能搞定。
数学上，针孔模型用相似三角形来描述：
设三维空间中一点 P = (X, Y, Z)，投影到成像平面上的点 p = (x, y)
则有：
x = f * X / Z
y = f * Y / Z
其中 f 是焦距（光心到成像平面的距离）
你看，就这么简单。一个除法，把三维降到了二维。但这里有个坑：Z 不能为 0，否则除零错误。实际中我们也不会把物体贴在镜头上拍。
1.3 世界坐标系到像素坐标系的转换
好，现在问题来了：我们拍照时，物体在真实世界中，而照片是像素组成的。怎么把世界坐标 (X, Y, Z) 变成像素坐标 (u, v)？
这需要经过四步变换，我习惯把它拆成两个阶段：
我的记忆口诀：「世界→相机→归一化→像素」
阶段一：刚体变换（世界→相机）
把物体从世界坐标系转到相机坐标系。说白了就是旋转 + 平移：
[X_c] [R t] [X_w]
[Y_c] = [ ] [Y_w]
[Z_c] [0 1] [Z_w]
[1 ] [1 ]
其中 R 是 3×3 旋转矩阵，t 是 3×1 平移向量
我曾经在项目中犯过一个低级错误：把旋转矩阵写反了。结果标定出来的点全跑到相机后面去了。排查了整整两天……嗯，从那以后我每次都会检查 R 矩阵的行列式是不是 1。
阶段二：透视投影（相机→归一化平面）
这一步就是针孔模型的除法：
x_n = X_c / Z_c
y_n = Y_c / Z_c
得到的是归一化坐标，单位是「米/米」，无量纲。这个坐标很重要，因为畸变校正就是在这个平面上做的。
阶段三：畸变校正（可选但重要）
真实镜头有畸变，主要是径向畸变（桶形/枕形）和切向畸变（镜头装配误差）。
我建议你记住这个公式：
x_corrected = x_n * (1 + k1*r^2 + k2*r^4 + k3*r^6) + 2*p1*x_n*y_n + p2*(r^2 + 2*x_n^2)
y_corrected = y_n * (1 + k1*r^2 + k2*r^4 + k3*r^6) + p1*(r^2 + 2*y_n^2) + 2*p2*x_n*y_n
其中 r^2 = x_n^2 + y_n^2
k1, k2, k3 是径向畸变系数
p1, p2 是切向畸变系数
避坑指南：我曾经在标定时用了 5 阶径向畸变模型，结果过拟合了。对于普通镜头，k1, k2 就够了，鱼眼镜头才需要 k3。别贪多。
阶段四：像素映射（归一化→像素）
最后一步，把归一化坐标变成像素坐标：
u = fx * x_corrected + cx
v = fy * y_corrected + cy
其中 fx, fy 是焦距（像素单位）
cx, cy 是主点坐标（光心在像素平面上的位置）
这四个参数 (fx, fy, cx, cy) 就是相机内参。每个相机都不一样，需要标定得到。
1.4 知识体系总览
说了这么多，咱们用一张图把整个流程串起来：
1.5 实战中的坑与经验
最后，分享几个我踩过的坑：
| 常见问题 | 现象 | 解决办法 |
|---|---|---|
| 主点偏差大 | 校正后图像中心偏移 | 重新标定，检查标定板是否在视野中央 |
| 焦距不准 | 校正后图像缩放异常 | 用不同距离的标定图像，增加约束 |
| 畸变系数过拟合 | 边缘出现波浪形扭曲 | 减少畸变参数阶数，只用 k1, k2 |
| Z 值太小 | 近处物体畸变严重 | 标定时保持标定板与相机距离适中 |
我的建议：刚开始做标定时，别急着用高级模型。先用最简单的针孔模型 + 2 个径向畸变参数，跑通了再慢慢加。我见过太多人一上来就搞 5 参数、8 参数，结果越调越乱。
好了，这一章的内容就是这些。记住：相机模型是视觉的基石，后面的畸变校正、立体匹配、三维重建，全都建立在这个基础上。把今天的内容吃透，后面你会轻松很多。
公众号:蓝海资料掘金营，微信deep3321