Computer vision 外部相机参数是否分类为旋转矩阵？
我一直在读普林斯的书《计算机视觉：模型、推理和学习》，特别是为了理解相机参数和姿势估计问题，我在外部相机参数方面遇到了一些问题。据我所知，外部摄像机参数由旋转矩阵和平移向量组成。旋转矩阵将世界坐标系转换为摄影机坐标系。我的问题是旋转矩阵是否是严格意义上的旋转矩阵；它是正交的，行列式为1Computer vision 外部相机参数是否分类为旋转矩阵？,computer-vision,pose-estimation,extrinsic-parameters,Computer Vision,Pose Estimation,Extrinsic Parameters,我一直在读普林斯的书《计算机视觉：模型、推理和学习》，特别是为了理解相机参数和姿势估计问题，我在外部相机参数方面遇到了一些问题。据我所知，外部摄像机参数由旋转矩阵和平移向量组成。旋转矩阵将世界坐标系转换为摄影机坐标系。我的问题是旋转矩阵是否是严格意义上的旋转矩阵；它是正交的，行列式为1 我这样问是因为在随后关于几何变换的一章中，他描述了摄影机正在查看平面（w/z坐标=0）的情况，并介绍了由外部摄影机矩阵表示的仿射变换和投影变换。我很困惑，因为这样的变换不能用旋转矩阵实现，还是我错了？通常混淆的仿
我这样问是因为在随后关于几何变换的一章中，他描述了摄影机正在查看平面（w/z坐标=0）的情况，并介绍了由外部摄影机矩阵表示的仿射变换和投影变换。我很困惑，因为这样的变换不能用旋转矩阵实现，还是我错了？通常混淆的仿射变换和投影变换由投影矩阵表示 对于针孔相机的典型情况，可以将投影矩阵视为表示相机固有参数的3x3上三角矩阵K和3x4旋转平移矩阵[R | t]的乘积p=K*[R | t]，其中R是3x3正交旋转矩阵，t是3x1平移向量。矩阵P将世界帧中的4x1齐次3D点转换为图像坐标中的3x1齐次2D点 R列是相机坐标中x、y、z世界帧轴的坐标分量。向量t是从相机帧原点到世界帧的位移