4、内参矩阵与外参矩阵：内参K矩阵的物理意义、外参[R|t]的几何含义、投影矩阵P

好，咱们接着聊。前面我们把畸变校正的原理讲清楚了，但有个问题一直悬着：校正后的像素坐标，怎么跟真实世界的位置对应起来？

这就得请出今天的主角——内参矩阵和外参矩阵。说白了，它们就是相机看世界的两套「翻译规则」。我当年刚接触这概念时，总觉得矩阵就是一堆数字，没啥感觉。直到有一次做三维重建，标定数据出了点偏差，结果重建出来的物体歪得像抽象画……嗯，从那以后我再也不敢小看这几个矩阵了。

4.1 内参矩阵 K：相机内部的「尺子」

内参矩阵，通常记作 K，描述的是相机坐标系到像素坐标系的映射关系。它只跟相机本身的硬件有关，跟你把相机放在哪儿、对着哪儿拍，一点关系都没有。

K 矩阵长这样：

K = [ fx   0   cx
      0   fy   cy
      0    0    1 ]

这里面每个参数都有明确的物理意义：

• fx, fy：焦距在 x 和 y 方向上的像素度量。说白了，就是镜头中心到成像平面的距离，用像素个数来表示。我习惯叫它「像素焦距」。
• cx, cy：主点坐标，也就是光轴与成像平面的交点。理想情况下应该在图像正中心，但实际生产中总会有几像素的偏移。

为什么叫「内参」？因为它只跟相机内部结构有关。你换个镜头，fx, fy 就会变；你换个传感器，cx, cy 也会变。但只要你不动相机硬件，K 矩阵就是固定的。

4.2 外参矩阵 [R|t]：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到相机坐标系的变换。它由两部分组成：

• R：旋转矩阵，3×3，表示世界坐标系的三个轴相对于相机坐标系的旋转关系。
• t：平移向量，3×1，表示世界坐标系原点在相机坐标系中的位置。

合在一起就是 [R|t]，一个 3×4 的矩阵。

你想想看，相机放在三脚架上，你把它转个角度，或者挪个位置，内参 K 变不变？不变。但外参 [R|t] 呢？全变了。这就是「外参」这个名字的由来——它描述的是相机外部的空间关系。

我记得有一次做多相机拼接项目，两台相机型号完全一样，内参几乎相同。但就因为安装角度差了 0.5 度，外参标定错了，拼接出来的全景图在接缝处总是对不齐。后来我花了整整两天重新标定外参，问题才解决。所以，外参的精度直接影响空间映射的准确性。

4.3 投影矩阵 P：从世界到像素的「一站式服务」

投影矩阵 P 就是把内参和外参合在一起，直接完成世界坐标系 → 像素坐标系的映射。

公式很简单：

P = K * [R | t]

P 是一个 3×4 的矩阵。给定一个世界坐标点 (X, Y, Z)，乘以 P 就能得到像素坐标 (u, v)：

[ u ]   [ p11  p12  p13  p14 ] [ X ]
[ v ] = [ p21  p22  p23  p24 ] [ Y ]
[ 1 ]   [ p31  p32  p33  p34 ] [ Z ]
                                 [ 1 ]

注意，这里得到的是齐次坐标，最后要除以第三个分量才能得到真正的像素坐标。这个除法就是「透视投影」的核心——近大远小。

4.4 三者的关系：一张图说清楚

为了让你更直观地理解这三者的关系，我画了一张流程图：

这张图把整个流程串起来了：世界坐标先经过外参变换到相机坐标，再经过内参投影到像素坐标。而投影矩阵 P 就是把这两步合并成一步。

4.5 实际应用中的注意事项

讲完了理论，说说我在实际项目中踩过的坑：

1. 内参标定不能只做一次：镜头变焦、温度变化都会影响内参。我建议每次重要实验前都重新标定一次。
2. 外参的旋转矩阵必须是正交矩阵：R 的逆等于它的转置。如果你标定出来的 R 不满足这个条件，说明标定有问题。
3. 投影矩阵 P 的最后一列：它包含了平移信息。如果你发现 P 的最后一列全是 0，那肯定错了——没有平移，相机就在世界坐标系原点。

好了，内参、外参、投影矩阵这三兄弟，你现在应该能分清楚了吧？说白了，内参是相机自己的「基因」，外参是相机在空间中的「位置和姿势」，投影矩阵就是它们俩的「合体技」。搞懂了这些，后面做三维重建、视觉SLAM，你就能游刃有余了。

---

公众号:蓝海资料掘金营，微信deep3321