Question

我正在查看kitti数据集，尤其是如何将世界点转换为图像坐标。我看了一下README，它在下面说，我需要先转换为相机坐标，然后再乘以投影矩阵。我有2个问题，来自非计算机视觉背景

我查看了calib.txt中的数字，尤其是矩阵为3x4，在最后一列中具有非零值。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，为什么最后一列非零，这意味着什么呢？例如P2是

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]])

将投影应用于[u，v，w]并将u，v除以w之后，这些值是相对于图像中心的原点还是相对于图像左上方的原点？

自述文件：

calib.txt：摄像机的校准数据：P0 / P1是3x4 投影校正后的矩阵。这里P0代表左边，P1代表正确的相机。 Tr将点从Velodyne坐标转换为左校正的摄像机坐标系。为了从 velodyne扫描仪到第i个图像平面上的点x，因此您必须将其转换为：
  x = Pi * Tr * X

Answer 1

参考：

答案：

我强烈建议您阅读上述参考资料。他们可能会解决您的大部分（即使不是全部）问题。

对于问题2：图像上的投影点相对于左上方的原点。参见参考文献2和3，图像中远3d点的坐标为（center_x，center_y），其值在P_rect矩阵中提供。或者，您可以使用一些简单的代码验证这一点：

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，例如：

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

非常接近(p[0, 2], p[1, 2])，又名（center_x，center_y）。

kitti数据集相机投影矩阵

1 个答案: