Image processing 需要一些帮助来理解这个公式吗

这是针孔相机型号：

（我不明白，有[R，t]还是（R，t）） 该公式将点的3d坐标转换为图片的2d坐标，该坐标由针孔相机获得

投影图：

矢量上的平铺表示“1”作为元素添加到该矢量。 M是3d空间中点的坐标，M是图片中点的坐标，f是相机的焦距，аnd s是像素纵横比。（R，t）描述了世界坐标系（其中描述了矩形）和相机坐标系之间的三维变换

我不清楚A之后的[R t]（或（R，t））是什么意思，以及如何通过将角点的3D坐标（像素纵横比=1）插入公式中，我们得到：

“t”字是什么意思

---

我在（第13页）中发现了这个公式。

不完全是，A[R t]是将图像从相机图像带到我们的世界的整体变换，[R t]是一个矩阵，乘以矩阵A。R是一个旋转矩阵，t是一个变换矩阵，这两者都是描述相机所必需的。A是描述照相相机焦距、像素比和中心点的矩阵。系统正在尝试解决[R t]的问题

---

该公式假设图片中白板的四个点（由m给出）位于一个平面上，因此它们的坐标存在于投影空间内，因此对于所有m，z=0，m（1）。y=m（2）。y，m（3）。y=m（4）。y和m（1）。x=m（3）。x和m（2）。x=m（4）。x。通过将物理相机失真（由焦距、像素大小和平移定义）应用于m，然后确定变换，使（m-tilde）最终成为m-tilde，该变换由矩阵[R t]给出，从而校正图像。如果您按照文章的结尾，将显示计算相机[R t]的公式（到某一点）。然而，它也证明了，你不能根据M来确定M的宽度和高度，只能根据纵横比来确定，从长远来看，对于这个应用来说，纵横比很好，因为它可以从一个任意分辨率映射到另一个任意分辨率，而绝对大小并不重要。

你是否正在为此编程一个模型？还是你在试图理解数学公式？如果是后者，你应该试试是的，我正在努力理解公式，谢谢你的链接。哦，我不知道math.stackexchange.com，太棒了！根据Math.SE mods的说法，这个问题也不在主题上。通过Physics.SE进行检查。无论如何，不幸的是，这也完全脱离了主题。你能给我指一下math.se讨论吗？我很好奇，因为我无法想象它怎么会被视为离题。谢谢，但我不确定我是否完全理解公式：（λ）2*m2=wAr2+A*t是如何计算的。如果我们替换角点坐标，为什么不得到：（λ）2m2=A*r2*t*w？