什么是归一化的平面坐标

最新推荐文章于 2024-10-12 08:11:03 发布

鼎鼎大名的浪子

最新推荐文章于 2024-10-12 08:11:03 发布

阅读量2.1w

点赞数 32

CC 4.0 BY-SA版权

分类专栏： SLAM 文章标签： SLAM

本文链接：https://blog.csdn.net/ouyangandy/article/details/96840781

SLAM 专栏收录该内容

15 篇文章

订阅专栏

所谓的归一化的成像平面，就是将三维空间点的坐标都除以Z。
在这里插入图片描述

所有空间点坐标都转到了相机前单位距离处，这个平面就叫归一化的平面，之后再乘以焦距 $f$ ，让归一化平面回到成像平面。以一张别的博主做的图为例说明各个坐标系的转换关系：

参考：
高翔视觉SLAM十四讲
https://blog.csdn.net/weixin_38133509/article/details/85689838

重投影误差的定义：

考虑到n个三维空间点P和他们的投影p，我们希望计算R，t，用李代数表示为T 。假设某空间点 $Pi=[Xi,Yi,Zi]TP_{i}=\left[X_{i}, Y_{i}, Z_{i}\right]^{T}$ ，其投影的像素坐标为 $ui=[ui,vi]T\boldsymbol{u}_{i}=\left[u_{i}, v_{i}\right]^{T}$ ，像素位置与空间点位置的关系如下：
在这里插入图片描述
写成矩阵形式：
$siui=Kexp⁡(ξ∧)Pis_{i} \boldsymbol{u}_{i}=\boldsymbol{K} \exp \left(\boldsymbol{\xi}^{\wedge}\right) \boldsymbol{P}_{i}$
由于相机位姿未知以及观测点的噪声，该等式存在一个误差。我们将误差求和，构建最小二乘问题，然后寻找做好的相机位姿，使它最小化：
在这里插入图片描述
这个误差项就叫做重投影误差的和。