企业官网建设流程全解析

上篇聊了点云分割的几种经典方法——RANSAC去地面、欧式聚类、区域生长。这些方法处理的是3D数据，但机器人感知世界不只有激光雷达，视觉传感器同样重要，甚至在很多场景下信息量更丰富。

今天从相机成像原理开始讲起。这是计算机视觉的基础，面试中几乎必考。不管你是做SLAM、做目标检测还是做3D重建，都得先搞明白相机是怎么把三维世界投影到二维图像上的。

小孔成像模型

相机成像最基础的模型就是小孔成像（Pinhole Camera Model）。想象一个完全黑暗的盒子，前面戳一个小孔，光线通过小孔在后面的成像平面上形成倒立的实像。这就是最原始的相机。

小孔模型的核心公式很简单：

x' = f * X / Z y' = f * Y / Z

其中(X, Y, Z)是三维空间中某个点在相机坐标系下的坐标，(x', y')是它在成像平面上的投影坐标，f是焦距（小孔到成像平面的距离）。

这个公式背后的直觉很清晰：Z越大（点越远），投影到成像平面上的x'和y'就越靠近中心——这就是"近大远小"的数学表达。

但实际图像处理中，我们用像素坐标而不是物理坐标（毫米）。所以需要把物理坐标转换成像素坐标，这就引入了像素坐标系和内参矩阵：

[u] [fx s cx] [X/Z] [v] = [0 fy cy] [Y/Z] [1] [0 0 1] [ 1 ]

这就是相机内参矩阵K。fx和fy是焦距（以像素为单位，等于物理焦距除以像素尺寸），cx和cy是主点坐标（光轴与成像平面的交点，通常接近图像中心），s是倾斜因子（描述像素不是严格矩形的程度，大多数相机s=0）。

面试时候这个公式必须脱口而出。内参矩阵描述的是相机自身的几何特性，跟相机在外面的位置姿态无关。只要不换镜头、不调整焦距，内参就是固定的。

import numpy as np # 典型的相机内参矩阵（以1280x720分辨率为例） fx, fy = 718.8560, 718.8560 # 焦距（像素单位） cx, cy = 607.1928, 185.2157 # 主点坐标 K = np.array([ [fx, 0, cx], [ 0, fy, cy], [ 0, 0, 1] ]) # 世界坐标到像素坐标的投影 def project_to_image(point_3d, K, R, t): """将3D点投影到图像平面""" # 先变换到相机坐标系 p_cam = R @ point_3d + t # 投影到像素坐标 p_proj = K @ p_cam p_proj = p_proj / p_proj[2] # 归一化（除以深度） return p_proj[:2]

有个面试常考的延伸问题：为什么内参矩阵是3x3而不是4x4？因为内参做的是从3D到2D的投影，这个过程中深度信息被丢弃了（除以Z）。这是一个不可逆的过程——你无法从一张图片恢复深度信息（单目情况下）。这也是为什么我们需要双目、RGB-D或者激光雷达来获取深度。

还有一个容易混淆的点：焦距f和视场角FOV的关系。对于给定的传感器宽度w和焦距f，水平视场角FOV = 2 * arctan(w / (2*f))。焦距越大，视场角越小，看得越远但范围越窄——这就是长焦镜头和广角镜头的区别。

镜头畸变

小孔模型是理想化的，实际镜头存在畸变。畸变会让直线在图像中变成曲线，影响测量精度。畸变分两种主要类型：

径向畸变（Radial Distortion）：由镜头形状引起，越靠近图像边缘畸变越大。桶形畸变（barrel distortion）让直线向外弯曲，常见于广角镜头；枕形畸变（pincushion distortion）让直线向内弯曲，常见于长焦镜头。数学模型通常用多项式表示：

x_distorted = x * (1 + k1*r² + k2*r⁴ + k3*r⁶) y_distorted = y * (1 + k1*r² + k2*r⁴ + k3*r⁶)

其中r是点到图像中心的距离，k1、k2、k3是径向畸变系数。一般用k1和k2就够了，只有鱼眼镜头等广角镜头才需要k3。

切向畸变（Tangential Distortion）：由镜头和成像平面不完全平行引起（安装误差）。用两个参数p1、p2描述：

x_distorted = x + (2*p1*x*y + p2*(r² + 2*x²)) y_distorted = y + (p1*(r² + 2*y²) + 2*p2*x*y)

五个畸变参数(k1, k2, p1, p2, k3)加上四个内参(fx, fy, cx, cy)，一共九个参数，就是相机标定要求解的全部内容（倾斜因子s通常设为0）。

面试时候经常被问：怎么判断一张图片有没有畸变？最简单的办法是看图片中的直线——如果现实中的直线在图像中弯曲了，那就是有畸变。桶形畸变让直线向外凸，枕形畸变让直线向内凹。

外参矩阵与坐标系变换

内参描述相机自身的几何特性，外参描述相机在世界坐标系中的位置和姿态。外参是一个3x3旋转矩阵R和一个3x1平移向量t，合起来就是[R|t]，一个3x4的矩阵。

一个3D点从世界坐标系到图像像素坐标的完整投影过程是：

p_image = K * [R | t] * P_world

其中K是3x3内参矩阵，[R|t]是3x4外参矩阵，P_world是3D点的齐次坐标。

理解相机成像，需要理清几个坐标系之间的关系：

世界坐标系（World Frame）：全局参考系，描述所有物体的绝对位置。在机器人领域，通常用map或world表示。

相机坐标系（Camera Frame）：以相机光心为原点，Z轴指向拍摄方向，X轴向右，Y轴向下（OpenCV约定）。注意不同框架的约定可能不同，比如ROS中相机坐标系是X右Y下Z前，而OpenGL是X右Y上Z后。

图像物理坐标系：成像平面上的物理坐标，原点在光轴与成像平面的交点（主点），单位是毫米。

像素坐标系：以图像左上角为原点，u向右，v向下，单位是像素。这是我们在代码中实际使用的坐标系。

从世界坐标系到像素坐标系的变换链是：世界坐标 →（外参R,t）→ 相机坐标 →（内参K）→ 像素坐标。

这个变换链在SLAM、视觉里程计、手眼标定等任务中反复出现。理解它，是理解整个视觉几何的基础。

面试时候经常问的一个问题是：给定一张图片和对应的相机位姿，怎么把3D模型渲染到图片上？答案就是用这个投影公式，把3D模型的每个点先通过外参变换到相机坐标系，再通过内参投影到像素坐标。AR（增强现实）的核心就是这个过程。

面试中怎么聊

面试官问相机成像原理，你可以按这个顺序回答：先说小孔模型和投影公式，再说内参矩阵的物理含义和各参数的意义，然后讲镜头畸变的两种类型和数学模型，最后说外参和坐标系变换链。

如果面试官追问"为什么需要相机标定"，你可以说：因为内参和畸变参数是相机自身的属性，每台相机、每个镜头组合都不一样，必须通过标定来获取。标定之后才能做精确的测量和重建，否则像素坐标和真实世界坐标之间的映射关系是不准确的。

如果面试官追问"单目相机能测深度吗"，你可以说：单目相机本身无法直接测量深度，因为投影过程丢失了深度信息。但可以通过一些间接方法估计深度，比如已知物体大小的先验、运动视差（Structure from Motion）、或者用深度学习方法从单张图片预测深度。不过这些方法都有局限性，精度和鲁棒性远不如双目或RGB-D相机。

补充一个实际项目中容易踩的坑：相机坐标系约定不一致的问题。OpenCV的相机坐标系是X右Y下Z前（Z轴指向拍摄方向），而ROS的相机坐标系是X右Y下Z前（和OpenCV一致），但OpenGL是X右Y上Z后。如果你在做AR或者3D渲染，需要把OpenGL的坐标系转换到OpenCV的坐标系，只需要把Y和Z取反。我有一次做相机和IMU的联合标定，标定结果一直不对，最后发现是IMU的坐标系和相机的坐标系手性不同（一个是右手系一个是左手系），加了一个坐标轴翻转就解决了。面试时候提到这种坐标系踩坑经验，面试官会觉得你确实做过实际项目。

下一篇讲相机标定的实操流程——怎么用OpenCV做棋盘格标定，获取内参和畸变系数。

如果这篇文章对你有帮助，欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。

「机器人软件开发面试·从入门到精通」连载系列上一篇：第150篇 激光雷达点云分割——地面分离、聚类分析和物体提取 下一篇预告：第152篇 相机标定实操——内参/外参/畸变系数的标定流程

有任何问题欢迎评论区留言，我会尽量回复。