相機可以簡單地理解為鏡頭和感光sensor的組合, 鏡頭將環境光匯聚到感光晶元. 感光晶元將環境光轉換成數碼訊號形成影象, 也就是俗稱的**.
鏡頭不一樣, 匯聚的環境光也不一樣, 最直觀的區別就是相機看到的範圍, 俗稱視場角(field of vision, fov). 相機根據鏡頭fov大小的不同可以分為全向相機(omni directional), 廣角/魚眼相機(fisheye)和普通相機. 普通鏡頭fov通常在90度以下. 廣角相機fov通常大於90度, 全向相機fov通常會大於180度.
針孔相機模型：
對於3d空間中乙個點，其投影到影象平面上的畫素點座標計算過程為：
如果考慮相機畸變，則成像過程需要增加一項，其計算過程為：
注意多了個去畸變的過程，其中
為徑向畸變係數(radial distortion coefficients),
是切向畸變係數(tangential distortion coefficients),
為薄稜鏡畸變係數(thin prism distortion coefficients)，一般opencv中畸變係數的順序是
。如果畸變係數是4個，則
為0, 如果畸變係數為5個，則不考慮後面的薄稜鏡畸變和高階徑向畸變。
注意：畸變係數與影象解析度無關，因為畸變處理過程是在normalize平面，如將影象解析度從640x480轉到320x240，畸變係數不變，但焦距光心需要同比例縮放。
影象去畸變的思路是：對於目標影象(無畸變)上的每個畫素點，轉換到normalize平面，再進行畸變並投影到源影象(帶畸變), 獲取原圖對應位置的畫素值作為目標影象該點的畫素值。
這裡容易有乙個誤解，以為去畸變是對畸變影象進行畸變逆變換得到無畸變影象，實際不是的，畸變模型太複雜了，很難求逆變換，所以是將無畸變影象進行畸變變換到原影象去獲得對應畫素值。
影象去畸變流程如下:
目標影象上畫素點
投影到目標相機的normalize平面
。轉到源相機座標系
轉到源相機normalize平面
normalize平面上進行畸變變換
轉到源相機影象平面
注意：源相機和目標相機使用的內參矩陣不一定是一樣的。如果是呼叫opencv的undistort()函式，cameramatrix是源相機的內參矩陣，newcameramatrix是目標相機的內參矩陣，如果不設定newcameramatrix，則預設與源相機內參一樣，即去畸變後，相機的內參矩陣不變。
結論：影象解析度縮放比例k， 相機焦距光心等比例縮放k， 畸變係數不變。
證明：影象縮放k倍後，影象平面所有的畫素點座標變為：
而影象畸變是發生在normalize平面，不管影象解析度如何改變，normalize平面(只取決於焦距光心)是不變的，所以畸變係數不變。
相機內參 相機標定（張正友標定演算法）解讀與實戰一
世界座標系 相機座標系 歸一化平面座標系 像平面座標系 畫素座標系。關於相機模型的文章太多了，要搞清楚，首先要弄清楚這5個座標系，以及他們之間的轉換關係。我這裡開始由世界座標系一步一步推導到畫素座標系進行講解。針孔相機模型 世界座標系到相機座標系 實際上是兩個三維座標系之間的轉換關係，屬於剛體變換，...
相機內參外參
參考資料 說內參矩陣之前，還得再引入畫素座標系的概念。上述影象點的表示是長度單位，不是畫素，由於我們拿到的影象是以畫素來衡量的，因此還需要將影象座標系轉化為畫素座標系。在此直接給出結論 於是之前的相機矩陣又得新增一項 上述推導中有乙個假設前提，就是相機的感光元件是正方形的，感光元件的安裝也是通過光軸...
urdf中相機內參
multicamera name stereo camera 30.0 update rate left 1.3962634 horizontal fov 800 width 800 height r8g8b8 format image 0.02 near 300 far clip gaussian...