我一直在阅读王子的书计算机视觉：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而且我遇到了外在的问题相机参数。据我了解，外在相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统转换为摄像机坐标系。我的问题是旋转矩阵是否是严格意义上的旋转矩阵;因为它是正交的并具有决定因素1.
我问，因为在随后的几何变换章节中，他描述了相机正在观看平面（w / z坐标= 0）的情况，并介绍仿射和由外在相机矩阵表示的投影变换。我很困惑，因为使用旋转矩阵无法实现这种转换，或者我错了？一般困惑
答案 0 :(得分：1)
仿射和投影变换由投影矩阵表示。
对于针孔相机的典型情况，您可以将投影矩阵视为乘积P = K * [R |表示摄像机内部参数的3x3上三角矩阵K和3x4旋转平移矩阵[R |] t]，其中R是3x3正交旋转矩阵，t是3x1平移向量。 Matrix P将世界框架中的4x1同质3D点转换为图像坐标中的3x1同质2D点。
R的列通常是摄像机坐标中x，y，z世界框架轴的分量。向量t是从相机框架的原点到世界框架的位移。