Computer vision kitti数据集摄像机投影矩阵

我正在研究kitti数据集，特别是如何将世界点转换为图像坐标。我看了自述文件，它在下面说，我需要先转换到摄像机坐标，然后乘以投影矩阵。我有两个问题，来自非计算机视觉背景

我查看了calib.txt中的数字，特别是矩阵是3x4，在最后一列中有非零值。我一直认为这个矩阵

=K[I | 0]

，其中K是相机的固有矩阵。那么，为什么最后一列不是零，这意味着什么？e、 P2是

将投影应用于[u，v，w]并将u，v除以w后，这些值是关于图像中心的原点还是位于图像左上角的原点

---

自述：

calib.txt：摄像机的校准数据：P0/P1为3x4 投影 校正后的矩阵。这里P0表示左边，P1表示左边 右摄像机。Tr将点从velodyne坐标转换为 左摄像机坐标系。为了从 velodyne扫描仪扫描到第i个图像平面中的x点，因此必须 将其转换为：

  x = Pi * Tr * X

参考文献：

答复:

我强烈建议您阅读上述参考资料。他们可能会解决你的大部分问题，如果不是全部的话

对于问题2：图像上的投影点相对于左上角的原点。参见参考文献2和3，图像中远3d点的坐标为（

center\u x

，

center\u y

），其值在

P\u rect

矩阵中提供。或者，您可以使用一些简单的代码来验证这一点：

import numpy as np
p = np.array([[7.070912e+02, 0.000000e+00, 6.018873e+02, 4.688783e+01],
              [0.000000e+00, 7.070912e+02, 1.831104e+02, 1.178601e-01],
              [0.000000e+00, 0.000000e+00, 1.000000e+00, 6.203223e-03]])
x = [0, 0, 1E8, 1]  # A far 3D point
y = np.dot(p, x)
y[0] /= y[2]
y[1] /= y[2]
y = y[:2]
print(y)

您将看到一些输出，如：

array([6.018873e+02, 1.831104e+02 ])

非常接近

（p[0,2]，p[1,2]）

，也称为（

中心x

，

中心y

）。

对于所有的p矩阵（3x4），它们表示：

P(i)rect = [[fu 0  cx  -fu*bx],
            [0  fv  cy -fv*by],
            [0   0   1  0]]

最后一列为基线，单位为米，参考摄像机为0。您可以看到P0在最后一列中全部为零，因为它是参考摄影机

这篇文章有更多的细节：

---

您在哪里能够理解或解决此问题？

P(i)rect = [[fu 0  cx  -fu*bx],
            [0  fv  cy -fv*by],
            [0   0   1  0]]