1 概述

　　機器視覺就是用機器代替人眼和人腦來做測量和判斷。機器視覺系統(tǒng)工作的基本過程是獲取目標的圖像后，對圖像進行識別、特征提取、分類、數(shù)學運算等分析操作，并根據(jù)圖像的分析計算結(jié)果，來對相應的系統(tǒng)進行控制或決策的過程。

　　在很多機器視覺應用中，都需要用到機器視覺測量，即根據(jù)目標的圖像，來得到目標在實際空間中的物理位置，最典型的如行走機器人、SLAM等。

　　要根據(jù)圖像中的目標像素位置，得到目標的物理空間位置，我們需要首先有一個圖像像素坐標與物理空間坐標的映射關(guān)系，也就是將光學成像過程抽象為一個數(shù)學公式，這種能夠表達空間位置如何映射到圖像像素位置的數(shù)學公式，就是所說的機器視覺成像模型，本文即討論這種模型的機理。

　　2 小孔成像

　　機器視覺成像采用小孔成像模型，如下圖所示

　　再次簡化為下圖

　　圖中X XX是一個空間點，x xx為該空間點在圖像中的成像點，C CC為鏡頭光心(camera centre)，從圖中可看到，C CC、x xx、X XX三個點是共線的。

　　光心C CC距離成像面(image plane)的距離即焦距f ff。

　　后面的各個坐標系及其相互關(guān)系都是基于這個小孔成像模型推出。

　　3 坐標系

　　說到機器視覺測量模型，就少不了先要了解整個模型中涉及的幾個坐標系。

　　3.1 像素坐標系uov

　　即圖像中各像素點坐在的坐標系，如下圖所示uov。

　　這個坐標系是一個二維坐標系，橫坐標為圖像寬度方向，縱坐標為圖像高度方向，原點位于左上角，坐標軸單位為像素，與圖像的像素點對應。

　　————————————————

　　版權(quán)聲明：本文為CSDN博主「寒韓Glory」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。

　　原文鏈接：https://blog.csdn.net/hangl_ciom/article/details/106082794