📷 相机内参、外参、焦距及图像坐标计算的完整解析（原理推导+官方文档翻译）
本文系统讲解相机校准 中的内参、外参、焦距的详细含义及推导过程，明确为什么会有这些矩阵和公式，并引用权威资料和官方文档，帮助理解和记忆。
🔖 一、相机内参和外参的来源与含义（深入理解）
📍 什么是内参和外参？
- 内参（Intrinsic parameters） ：
描述相机自身的光学特性，比如焦距、光学中心、传感器尺寸等相机自身属性。 - 外参（Extrinsic parameters） ：
描述相机的位置与方向，即相机在三维世界坐标系下的位置（平移）与方向（旋转）。
相机模型通常用如下形式表示：
（来自 MathWorks 官方文档：Camera Calibration - MATLAB & Simulink）
说明：
📍 为什么需要这些矩阵（Why）？
我们在3D空间定位物体并映射到图片上时，需要两个步骤：
- 先用外参确定物体在相机的视角里（相机坐标系）。
- 再用内参决定在图像上如何显示（图像坐标系）。
因此我们引入：
- 外参矩阵 R\|t （3×4）：世界坐标系→相机坐标系。
- 内参矩阵 K（3×3）描述相机自身的投影特性（视角、大小）。
📌 二、焦距的作用和公式推导
焦距（Focal Length）影响拍摄视野（Field of View，简称FOV）与物体的成像大小。
MathWorks官方链接对焦距作用的英文原文解释：
"The intrinsic parameters include the focal length, optical center (principal point), and the skew coefficient."
译文："内参包括焦距、光学中心（主点）和像素倾斜系数。"
链接：Camera Calibration - MATLAB & Simulink
📌 焦距公式推导（详细过程）
相机投影模型通常采用针孔相机模型（pinhole model）：
该图来自：MathWorks - pinhole camera model
🔖 推导过程：
通过相似三角形原理：
从中推出像素坐标(u,v)：
说明：
- fx,fy表示焦距，单位像素（pixels）。
- (cx,cy)图像光心位置（主点坐标）。
📌 二、焦距公式推导的直观理解（为什么这样？）
焦距本质是透镜中心到传感器之间的距离，焦距决定：
- 焦距越大：放大更明显，视野小
- 焦距越小：视野大，放大弱
下面图（来源于MathWorks）展示了焦距对视野的影响：
链接原文：https://ww2.mathworks.cn/help/vision/ug/camera-calibration.html
🧮 二、详细的坐标计算流程（公式推导+解释）
已知：
两步推导过程：
🚩 第一步（外参变换）：从世界坐标到相机坐标
通过外参旋转矩阵R和平移向量t：
🚩 第二步（内参变换）：
将物体映射到图片中。
📌 三、引用扩展链接资源与翻译（MathWorks官方文档）
为了方便你深入研究，这里提供权威链接与对应翻译：
- MathWorks Camera Calibration教程链接 ：Camera Calibration
| 英文原文 | 中文翻译 |
|---|---|
| Geometric camera calibration estimates the parameters of a lens and image sensor. | 几何相机校准是估算镜头和图像传感器参数的过程。 |
| These parameters correct for lens distortion and determine camera position. | 这些参数可以用来修正镜头畸变，确定相机位置。 |
| Camera parameters include intrinsics, extrinsics, and distortion coefficients. | 相机参数包括内参、外参和畸变系数。 |
📚 三、知识拓展：常见的镜头畸变
实际相机存在径向（Radial）和切向（Tangential）畸变。
径向畸变：
物体离图像中心越远，畸变越明显，典型有桶形和枕形畸变：
径向畸变公式：
切向畸变：
由于镜头与成像平面不完全垂直导致：
🔖 四、总结表格（记忆用）：
| 概念 | 说明 | 类比 |
|---|---|---|
| 内参 | 相机光学属性（焦距、中心） | 眼睛晶状体 |
| 外参 | 相机位置和朝向 | 拍摄时的位置和视角 |
| 焦距 | 决定视野大小 | 望远镜放大倍数 |
| 坐标计算过程 | 世界坐标→相机坐标→图片坐标 | 拍摄流程 |