深度相机原理及坐标系转换_深度相机计算物体坐标

深度相机

---

操作系统：ubuntu18.04
显卡：GTX1080ti
python版本：2.7（3.7）
ＱＱ群：加入深度学习交流群 获取学习资料 (147960154)

---

主要介绍深度相机的成像原理及投影坐标转换

参考了以下文章

1. 深度相机-TOF、RGB双目、结构光优劣分析
2. 深度相机哪家强
3. 常用的深度相机
4. 从零开始一起学习SLAM | 相机成像模型
5. 相机成像原理
6. 南门摄影
7. STB数据集的使用

深度相机分类

目前主流的深度相机根据其工作原理可分为三类：RGB双目、结构光、TOF

相机成像原理

想要了解深度相机的原理之前，先补充一下普通的RGB相机成像原理，了解相机的内参矩阵和外参矩阵,坐标系转换，以及相机拍摄中会产生什么畸变以及畸变的矫正方法。

小孔成像与凸透镜成像

---

相机结构

光心，焦距，像距，物距，光圈，景深

在相机中，焦距即为光心到底片的距离（光学中称为像距），远离镜头的影像就能在底片或传感器上形成清晰的影像，日常中说的“调焦”实际为调整光心与底片的距离，并不会改变凸透镜的焦距

---

相机成像模型中的4个坐标系

相机成像原理中涉及到4个坐标系的转换，分别是：

前向投影

在将世界坐标系中的3D真实点转换到通常进行图像处理时所使用的以像素为单位的2D图像上，通常的前向投影过程如下：

1. 通过外参矩阵（包括旋转矩阵R和平移矩阵T）将世界坐标系中的点转换到相机坐标系中。
2. 通过相机内参f：相机的焦距（成像平面到光心的距离，在相机主轴上计算）参数，将相机坐标系中的点转换到成像坐标系上。
3. 通过相机内参Ox，Oy（平移，从成像坐标系的中心点平移到像素坐标系的中心点上）和Sx、Sy（对于成像平面/感光器件成像后的图像进行的采样，表示x和y轴方向上的采样率），将成像坐标系转换到图像像素坐标系上。

• Step 1 : 世界坐标系到相机坐标系 (相机外参R和T)

  • 补充知识点：坐标系变换

  一般世界坐标系和相机坐标系都是描述的同一空间维度，因而此处等价于坐标系变换。我们使用相机外参矩阵时，主要是用来对应多个摄像头的坐标系统一问题。以STB数据集为例，深度相机坐标系即为世界坐标系，RGB相机的坐标系则需经过相机外参矩阵变换，以转化并统一到深度相机坐标系。

  # External camera parameters
  R = np.array([0.00531,-0.01196,0.00301])
  T = np.array([-24.0381, -0.4563, -1.2326])
  rotationMatrix = cv2.Rodrigues(R)[0]
  T = np.reshape(T,[3,1])
  kp_coord_xyz_rgb = np.dot(np.transpose(rotationMatrix), kp_coord_xyz - T)
  1
  2
  3
  4
  5
  6

• Step2：相机坐标系到成像坐标系 （相机内参f）

  • 通过相机内参f：相机的焦距（成像平面到光心的距离，在相机主轴上计算）参数，将相机坐标系中的点转换到成像坐标系上

  • 从相机坐标系3D到成像坐标系2D，使用的是透视变换 （利用相似三角形原理），注意图中给出的成像平面本身应该在光心O左边的f位置处（才是正确的小孔成像原理），但是这里为了简便就直接对称过来了。
    

• Step3 : 成像坐标系到像素坐标系 (相机内参Ox,Oy,Sx,Sy)

  • 通过相机内参Ox，Oy（平移，从成像坐标系的中心点平移到像素坐标系的中心点上）和Sx、Sy（对于成像平面/感光器件成像后的图像进行的采样，表示x和y轴方向上的采样率），将成像坐标系转换到图像像素坐标系上。
    

  • 在深度相机中一般将Step2和Step3整合到一起，即为相机的内参矩阵，投影变换和仿射变换。

    #for rgb image
    fx = 607.92271
    fy = 607.88192
    tx = 314.78337
    ty = 236.42484
    K = np.array([[fx,0,tx],
                  [0,fy,ty],
                  [0,0,1]])
    kp_coord_uv_rgb = np.dot(K, np.dot(np.transpose(rotationMatrix), kp_coord_xyz - T))
    1
    2
    3
    4
    5
    6
    7
    8
    9

• STB数据集显示的效果图如下

反向重建

即通过图像中的人手关节点还原到世界坐标系中

---

相机畸变

和小孔成像不同在于，为了拍摄很大的范围，收集更多的光源，相机采用的镜头都是凸透镜。相机视场角比较小（比如手机摄像头）时，一般可以近似为针孔相机成像，三维世界中的直线成像也是直线。 但是很多时候需要用到广角甚至鱼眼相机，此时会产生畸变，三维世界中的直线在图像里会弯曲。基于针孔模型下坐标变换的假设就不成立了。因此需要引入相机畸变参数，对图像进行去畸变处理。

• 畸变类型：

  相机透镜的畸变主要分为径向畸变和切向畸变，还有其他的畸变，但都没有径向和切向畸变影响显著，所以我们在这里只考虑径向和切向畸变

  • 径向畸变： 由于相机透镜的形状导致的，且越向透镜边缘移动径向畸变越严重。
  • 切向畸变： 由于透镜和CMOS或者CCD的安装位置误差导致，随着相机制造工艺的大大提升，这种情况很少出现了，我们一般也不考虑切向的畸变。

• 畸变矫正方法

  相机视场角比较小（比如手机摄像头）时，一般可以近似为针孔相机成像，三维世界中的直线成像也是直线。 但是很多时候需要用到广角甚至鱼眼相机，此时会产生畸变，三维世界中的直线在图像里会弯曲。因此，需要做去畸变。

双目视觉(Stereo)

原理

1、首先需要对双目相机进行标定，得到两个相机的内外参数、单应矩阵。

2、根据标定结果对原始图像校正，校正后的两张图像位于同一平面且互相平行。

3、对校正后的两张图像进行像素点匹配。

4、根据匹配结果计算每个像素的深度，从而获得深度图。

• 理想双目相机成像模型

  假设左右两个相机位于同一平面（光轴平行），且相机参数（如焦距f）一致。那么深度值的推导原理和公式如下。

分析： 三点确定一个平面，假设平面M由(L, R, P)三点确定，camera L摄像头可以确定P点在平面M中的LP直线上，且可由相机内参计算出LP的直线方程，同理camera R则可以确定RP直线方程，由于LP和RP处于同一平面且不平行，则必然相交于唯一的点P，故P点坐标即可求得。

根据上述推导，空间点P离相机的距离（深度）z=f*b/d，可以发现如果要计算深度z，必须要知道：

1、相机焦距f，左右相机基线b。这些参数可以通过先验信息或者相机标定得到。

2、视差d。需要知道左相机的每个像素点(xl, yl)和右相机中对应点(xr, yr)的对应关系。这是双目视觉的核心问题。

• 极线约束

  对于左图中的一个像素点，如何确定该点在右图中的位置？是不是需要我们在整个图像中地毯式搜索一个个匹配？

  答案是：不需要。因为有极线约束。极线约束对于求解图像对中像素点的对应关系非常重要。

  上文提到的M平面称为极平面，所谓极线约束（Epipolar Constraint）就是指当同一个空间点在两幅图像上分别成像时，已知左图投影点p1，那么对应右图投影点p2一定在相对于p1的极线上，这样可以极大的缩小匹配范围。

• 图像矫正

  上文提及的都是理想情况下，两个相机的坐标系的xyz三轴平行，而实际应用中，往往是不平行的，因此需要图像矫正技术

  图像矫正技术：分别对两张图片用单应（homography）矩阵变换（可以通过标定获得）得到的，的目的就是把两个不同方向的图像平面（下图中灰色平面）重新投影到同一个平面且光轴互相平行（下图中黄色平面），这样就可以用前面理想情况下的模型了，两个相机的极线也变成水平的了。

应用

• Leap Motion

双目视觉的优缺点

1、优点

	1）、对相机硬件要求低，成本也低。因为不需要像TOF和结构光那样使用特殊的发射器和接收器，使用普通的消费级	RGB相机即可。

	2）、室内外都适用。由于直接根据环境光采集图像，所以在室内、室外都能使用。相比之下，TOF和结构光基本只能	在室内使用。

2、缺点
	1）、对环境光照非常敏感。双目立体视觉法依赖环境中的自然光线采集图像，而由于光照角度变化、光照强度变化等	环境因素的影响，拍摄的两张图片亮度差别会比较大，这会对匹配算法提出很大的挑战。
	2）、不适用于单调缺乏纹理的场景。由于双目立体视觉法根据视觉特征进行图像匹配，所以对于缺乏视觉特征的场景	（如天空、白墙、沙漠等）会出现匹配困难，导致匹配误差较大甚至匹配失败。
	3）、相机基线限制了测量范围。测量范围和基线（两个摄像头间距）关系很大：基线越大，测量范围越远；基线越		小，测量范围越近。所以基线在一定程度上限制了该深度相机的测量范围。
1
2
3
4
5
6
7
8
9
10

​

---

结构光(Structured-light)

原理

应用

• Kinect v1
• realsense

---

飞行时间（TOF）

原理

应用

• Kinect v2