第四节：相机内参矩阵——从几何到像素的“翻译官”

好，咱们今天来聊聊相机内参矩阵。说实话，我刚开始接触标定时，觉得这东西就是个数学公式堆砌出来的黑盒子。直到有一次做三维重建，发现投影点总是对不上，折腾了两天才意识到是内参搞错了。嗯，从那以后我再也不敢小看这个矩阵了。

内参矩阵，说白了就是相机把三维世界“翻译”成二维像素的规则。它告诉你：一个空间点，经过镜头折射、传感器采样，最终落在图像哪个像素上。没有它，你连最基本的坐标映射都做不了。

4.1 内参矩阵的构成——3×3的“密码本”

内参矩阵通常写成这样：

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

你看，就是一个3×3的上三角矩阵。我习惯把它拆成三部分来看：

• 对角线上的fx、fy：这是焦距参数，单位是像素
• 主点偏移cx、cy：光轴与成像平面的交点
• 最后一行[0,0,1]：齐次坐标的“保底”行，保证投影变换是线性的

为什么是3×3？因为我们要把三维点（X,Y,Z）映射到二维像素（u,v），中间需要一次齐次坐标变换。你想想看，如果没有这个矩阵，你连相机坐标系下的点都转不到图像平面上去。

4.2 焦距与主点——两个最关键的参数

咱们先聊焦距。这里的fx、fy不是物理焦距f（单位毫米），而是物理焦距乘以像素密度：

fx = f * mx
fy = f * my

其中mx、my是每毫米有多少个像素。举个例子，我的手机摄像头物理焦距是4mm，传感器每毫米有250个像素，那fx就是1000像素。明白了吧？

我在项目中遇到过一个问题：用同一台相机拍不同分辨率，内参矩阵必须重新标定。为什么？因为分辨率变了，mx、my就变了，fx、fy自然也跟着变。有人偷懒直接缩放内参，结果误差大得离谱。

再说主点（cx, cy）。理想情况下，主点应该在图像正中心，比如640×480的图像，主点应该是(320, 240)。但实际呢？

• 镜头安装有偏差，光轴不一定垂直穿过传感器中心
• 传感器本身也有制造公差
• 我见过最离谱的一次，主点偏了30多个像素，标定前完全没发现

4.3 内参的物理意义——每个数字都在讲故事

咱们把内参矩阵拆开，看看每个参数到底在说什么：

参数	物理意义	常见范围	我的备注
fx	水平方向上的“放大倍数”	500~3000像素	广角镜头偏小，长焦偏大
fy	垂直方向上的“放大倍数”	500~3000像素	一般与fx接近，但可能有差异
cx	光轴在图像上的水平偏移	图像宽度的一半±50	偏差大说明镜头偏心
cy	光轴在图像上的垂直偏移	图像高度的一半±50	偏差大说明镜头倾斜

你可能会问：fx和fy为什么不相等？嗯，这里有个坑。如果传感器像素不是正方形（比如某些工业相机），那mx和my就不一样，fx和fy自然不同。我做过一个项目，用的相机像素是6μm×6μm，正方形，所以fx≈fy。但换了一台5.6μm×5.6μm的，结果还是差不多。真正让我头疼的是那种像素是矩形的传感器，fx和fy能差出5%以上。

4.4 内参矩阵的几何解释——从世界到像素的“流水线”

咱们用个具体的例子来理解。假设相机坐标系下有个点P=(X, Y, Z)，它怎么变成像素(u, v)？

1. 归一化：先除以Z，得到归一化坐标(x', y') = (X/Z, Y/Z)
2. 透镜畸变：实际镜头会有径向畸变和切向畸变，这一步会修正坐标（下节课讲）
3. 内参映射：用内参矩阵把归一化坐标变成像素坐标

第三步的数学表达就是：

u = fx * x' + cx
v = fy * y' + cy

你看，其实就是个线性变换加平移。fx控制水平缩放，fy控制垂直缩放，cx和cy控制平移。我经常跟团队说：内参矩阵就是相机给三维世界加的一层“滤镜”，它决定了你能看到多大范围、多清晰的细节。

4.5 实际应用中的注意事项

最后分享几个我踩过的坑：

• 内参不是一成不变的：变焦镜头、自动对焦都会改变内参。我做过一个项目，相机自动对焦时fx会变化2%~3%，如果不重新标定，三维重建直接崩掉。
• 温度影响：工业相机在高温环境下，传感器会热膨胀，内参会有微小漂移。我曾经在夏天户外做标定，上午和下午的内参差了0.5%，后来加了温控才解决。
• 标定板质量：别用打印在普通纸上的标定板，纸张受潮会变形。我建议用玻璃基板或者铝基板，精度高一个数量级。

好了，内参矩阵就讲到这里。下节课咱们聊聊畸变系数——那个让直线变弯的“捣蛋鬼”。