坐标系基础：世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换关系

做视觉标定这么多年，我见过太多工程师一上来就对着公式硬啃，结果越看越晕。其实说白了，坐标系转换就是解决一个核心问题：怎么把现实世界中一个点的位置，准确地映射到相机拍出来的照片上。

我个人习惯把这件事拆成四步走。每一步对应一个坐标系，环环相扣。你只要搞懂了这四步，标定原理就通了七成。

1. 四个坐标系，各司其职

先认识一下今天的主角们。它们就像一条流水线上的四个工位，每个工位干自己的活：

坐标系	单位	描述
世界坐标系	mm / m	我们熟悉的真实三维空间。比如机械臂的基座、流水线的起点，都可以作为原点。
相机坐标系	mm / m	以相机光心为原点，Z轴指向镜头前方。说白了，就是「相机眼中的三维世界」。
图像坐标系	mm	在相机内部，感光芯片上的物理平面。单位是毫米，原点一般在芯片中心。
像素坐标系	pixel	我们最终看到的图像。原点在左上角，单位是像素。你拍的照片就是它。

嗯，这里要注意：世界坐标系和相机坐标系是三维的，图像和像素坐标系是二维的。从三维到二维，必然有信息丢失——这就是透视投影在起作用。

2. 转换链条：从世界到像素

整个转换过程，就像一条单向流水线：

世界坐标 → 相机坐标 → 图像坐标 → 像素坐标

每一步都有明确的数学关系。我画了一张图帮你理清脉络：

这张图你看明白了吗？标定的本质，就是求解这些参数。下面我们一步步拆解。

3. 第一步：世界坐标系 → 相机坐标系（刚体变换）

这一步最简单。世界坐标系和相机坐标系之间，只差一个旋转和一个平移。用数学表达就是：

|Xc|   | R11 R12 R13 | |Xw|   |Tx|
|Yc| = | R21 R22 R23 | |Yw| + |Ty|
|Zc|   | R31 R32 R33 | |Zw|   |Tz|

写成齐次坐标更简洁：

[Xc, Yc, Zc, 1]^T = [R | T] * [Xw, Yw, Zw, 1]^T

这里的R是3x3旋转矩阵，T是3x1平移向量。它们合起来就是相机外参。

4. 第二步：相机坐标系 → 图像坐标系（透视投影）

这一步是三维到二维的关键跳跃。用的是小孔成像模型：

x = f * Xc / Zc
y = f * Yc / Zc

写成矩阵形式：

|x|   |f  0  0  0| |Xc|
|y| = |0  f  0  0| |Yc|
|1|   |0  0  1  0| |Zc|
                     |1 |

这里f是焦距。你想想看，Zc在分母上——这就是为什么距离越远，物体在图像上越小。

5. 第三步：图像坐标系 → 像素坐标系（仿射变换）

图像坐标系的原点在芯片中心，单位是毫米。像素坐标系的原点在左上角，单位是像素。转换关系：

u = x / dx + cx
v = y / dy + cy

其中dx、dy是每个像素的物理尺寸，cx、cy是主点坐标（光心在像素坐标系中的位置）。

写成矩阵：

|u|   |1/dx  0    cx| |x|
|v| = |0     1/dy cy| |y|
|1|   |0     0    1 | |1|

6. 完整转换公式（一步到位）

把三步串起来，从世界坐标到像素坐标的完整公式：

Zc * |u|   |fx  0   cx  0| |R11 R12 R13 Tx| |Xw|
     |v| = |0   fy  cy  0| |R21 R22 R23 Ty| |Yw|
     |1|   |0   0   1   0| |R31 R32 R33 Tz| |Zw|
                           |0   0   0    1| |1 |

简化写法：

Zc * [u, v, 1]^T = K * [R | T] * [Xw, Yw, Zw, 1]^T

这就是视觉标定的核心方程。所有标定算法，本质上都是在求解K、R、T。

7. 实战中的几个坑

• 棋盘格要平整： 我见过有人用打印纸贴在弯曲的纸箱上标定，结果误差大得离谱。标定板一定要贴在刚性平面上。
• 图片数量要够： 我个人习惯拍15-20张不同角度的图片。太少的话，内参解不稳定。
• 覆盖整个视场： 标定图片要分布在画面的各个区域，尤其是边缘。中心区域拍再多，边缘畸变也标不准。
• 注意Zc的符号： 在相机坐标系中，物体在相机前方，Zc > 0。如果标定出来Zc是负的，说明坐标系定义反了。

好了，坐标系转换这部分就讲到这里。你只要记住那条转换链条，再理解每一步的物理意义，标定原理就掌握了一大半。下一节我们聊聊具体的标定方法和操作步骤。

---