我们理论分析的时候,使用小孔成像模型来分析。

其中,(u,v)(u,v)(u,v)为像素坐标,(cx,cy)(c_x, c_y)(cx​,cy​)表示相机主点(principal point),即相机畸变中心,一般在图像中心点附近;dxdxdx和dydydy是像元尺寸。
例如,1280∗9601280*9601280∗960 的分辨率的图像,(cx,cy)(c_x, c_y)(cx​,cy​)一般在 (640,480)(640,480)(640,480) 附近,若CMOS senosr的尺寸为 64.0mm×48.0mm64.0mm ×48.0 mm64.0mm×48.0mm,则:
dx=64.0mm1280pxdx= \frac{64.0 mm}{1280 px}dx=1280px64.0mm​
dy=48.0mm960pxdy=\frac{48.0mm}{960px}dy=960px48.0mm​

英寸:

英寸的符号是"(即英文状态的双引号)或者inch(简写为in)。
1"=1英寸(inch) = 2.54 厘米
1'=1英尺(foot,符号ft) = 12英寸(12") = 30.48 厘米
显示器中常用寸来表示屏幕大小,一般这里的寸都是指英寸,在宣传中也都是用27"(27寸)这种形式表示。
关于电视屏幕尺寸的计算:
一般电视或显示器厂商宣传自家屏幕大小时都是用长度(英寸)而不是面积来表示,例如27寸的显示器,它的显示器面板对角线长即27英寸,换算成厘米就是27*2.54=68.58cm


镜头光学尺寸:

镜头光学尺寸是指sensor感光面积的大小,一般常见有1/3’’、1/4’’、1/2.7’'等等,其单位为英寸(inch),表述的是sensor感光面对角线的长度。

业界通用的规范就是:
1英寸CCDsize=长12.8mm∗宽9.6mm=对角线为16mm对应的面积\color{red}1英寸 CCD size =长12.8mm*宽9.6mm=对角线为16mm 对应的面积1英寸CCDsize=长12.8mm∗宽9.6mm=对角线为16mm对应的面积
根据勾股定理,得出三边比例为4:3:5。换句话说,我无需给你完整的面积参数,只需给你三角形最长一边(对角线)长度,你就可以透过简单的定理换算回来.
有了固定单位的CCD尺寸,就不难了解CCD size比例的含义了,例如:

  • 1/2’’ CCD size的对角线就是1’'的1/2为16∗1/2=8mm16*1/2=8mm16∗1/2=8mm,面积约为1/4;
  • 1/4’’ CCD size的对角线就是1’'的1/4为16∗1/4=4mm16*1/4=4mm16∗1/4=4mm,面积约为1/16。

按照工业标准:1英寸=25.4mm,而在电子元件成像领域Sensor尺寸:1英寸=16mm。\color{red}按照工业标准:1英寸=25.4mm,而在电子元件成像领域Sensor尺寸:1英寸=16mm。按照工业标准:1英寸=25.4mm,而在电子元件成像领域Sensor尺寸:1英寸=16mm。
我们平常所说的CCD/CMOS的尺寸,实际上是指Sensor对角线的长度,这一点跟我们平常所说的屏幕尺寸是一样的。

按照最开始CCD应用在摄像机上的标准12.8mm∗9.6mm\color{red}12.8mm*9.6mm12.8mm∗9.6mm 的面积,12.82+9.62=162\color{red}12.8^2+9.6^2=16^212.82+9.62=162,对角线尺寸为16mm,所以Sensor尺寸的1就是指对角线16mm。
9.6mm:12.8mm=3:49.6mm:12.8mm = 3:49.6mm:12.8mm=3:4
720:1280=9:16720:1280 = 9:16720:1280=9:16
1080:1920=9:161080:1920 = 9:161080:1920=9:16

那么我们以1/2.5"CMOS来计算下mm单位下的尺寸:
1/2.5"CMOS:(12.8/2.55)∗(9.6/2.55)=5.02mm∗3.76mm1/2.5"CMOS:(12.8/2.55)*(9.6/2.55)=5.02mm*3.76mm1/2.5"CMOS:(12.8/2.55)∗(9.6/2.55)=5.02mm∗3.76mm
上面这个是不是写错了,是不是下面这样:
1/2.5"CMOS:(12.8/2.5)∗(9.6/2.5)=5.12mm∗3.84mm1/2.5"CMOS:(12.8/2.5)*(9.6/2.5)=5.12mm*3.84mm1/2.5"CMOS:(12.8/2.5)∗(9.6/2.5)=5.12mm∗3.84mm
同理可以计算出其他尺寸的sensor大小。


例如:


2.3M (1928 * 1208) resolution, 3.0um pixel size, 1/2.7 inch image sensor

上面是某款相机的参数,对于1928x1208的分辨率来说,每个像素的长度为3.0um。
传感器感光面对角线长度为12.7inch\frac{1}{2.7} inch2.71​inch,,那么感光面对角线长度:

  • 如果按照工业上实际的换算:1"=0.0254m=25.4mm 来计算,对角线相当于:
    12.7inch=0.37inch=9.4mm\frac{1}{2.7} inch=0.37inch=9.4mm2.71​inch=0.37inch=9.4mm
  • 如果按照电子元件成像领域Sensor尺寸:1"=16mm 来换算的话,对角线相当于:
    12.7inch=16mm/2.7=5.9259mm\frac{1}{2.7} inch=16mm/2.7=5.9259mm2.71​inch=16mm/2.7=5.9259mm

按照像素宽度 3.0um pixel size来计算:
长为: 1928∗3um=5784um=5.784mm1928*3um=5784um=5.784mm1928∗3um=5784um=5.784mm
宽为: 1208∗3um=3624um=3.642mm1208*3um=3624um=3.642mm1208∗3um=3624um=3.642mm
按照上面的长宽来计算对角线是 6.8mm\color{red}6.8mm6.8mm。和上面两种计算方式得到的对角线长度9.4mm9.4mm9.4mm和5.9259mm都不一致,那么我猜测给出的1/2.7 inch应该只是个参考值

zhz:另外,1928x1208的分辨率应该是图像传感器的分辨率,1920*1080是相机厂家设定的分辨率,不同相机厂家可能都使用同一种图像传感器,经过厂家自己处理,会重新设置一个输出分辨率。

zhz:图像传感器的感光面被划分成1928x1208个小方块,每个小方块都是一个像元,像元的宽度为3um。对于本例中图像传感器像元尺寸3.0um,无论是1928x1208还是1920x1080的分辨率,他们每个像素的宽度都是3um,只不过,厂家把图像传感器的周边的一些给裁剪了,分辨率就相对减小了,但是像元尺寸是固定不变的。


相机坐标系:

相机坐标系度量值为米(m),该坐标系下的每个点 (xc,yc,zc)(x_c,y_c,z_c)(xc​,yc​,zc​) 表示 xcx_cxc​米、 ycy_cyc​米和 zcz_czc​米;
相机坐标系与世界坐标系都是三维坐标系,相机坐标系和世界坐标系(例如车辆坐标系)的原点不同,并且需要平移。

图像坐标系:

图像坐标系度量值为米(m),只不过该坐标系下的点被限制在了感光芯片的大小(感光芯片可能只有指甲盖大小,甚至更小),该坐标系点的每个点 (xi,yi)(x_i,y_i)(xi​,yi​) 表示 xix_ixi​ 米和 yiy_iyi​ 米;

像素坐标系:

像素坐标系度量值为像素的个数(pixel);
如果像素坐标系的分辨率设为1280*960,那么像素坐标系的每个点(xp,yp)(x_p,y_p)(xp​,yp​)表示(xidx,yidy)(\frac{x_i}{dx},\frac{y_i}{dy})(dxxi​​,dyyi​​),即:
图像坐标系下以m为单位的点(xi,yi)(x_i,y_i)(xi​,yi​)转换到像素坐标系下,变成了以像素为单位的点(xidx,yidy)(\frac{x_i}{dx},\frac{y_i}{dy})(dxxi​​,dyyi​​)。

【自动驾驶】33.【图像坐标系】 到 【像素坐标系】 的度量单位变换、【英寸】、【感光芯片】相关推荐

  1. 【自动驾驶】16.计算机视觉:相机成像原理:世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换

    本篇博客为转载,我对其中的细节添加了一些说明. 原文链接:https://blog.csdn.net/chentravelling/article/details/53558096 0.前言 最近整理 ...

  2. 关于世界坐标系,相机坐标系,图像坐标系,像素坐标系的一些理解

    关于世界坐标系,相机坐标系,图像坐标系,像素坐标系的一些理解 前言 一.各坐标系的含义 二.坐标系转换 1.世界坐标系与相机坐标系(旋转与平移) 2.相机坐标系与图像坐标系(透视) 3.图像坐标系与像 ...

  3. 单目视觉标定:世界坐标系、相机坐标系、图像坐标系、像素坐标系——简单粗暴,粗暴

    转:https://blog.csdn.net/chentravelling/article/details/53558096 1.正文 图像处理.立体视觉等等方向常常涉及到四个坐标系:世界坐标系.相 ...

  4. 计算机视觉:相机成像原理:世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换(转载)

    版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/chentravelling/article/details/53558096 0.前言 最近整理了& ...

  5. 三维视觉基础之世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系

    三维视觉基础之世界坐标系.相机坐标系.图像坐标系和像素坐标系之间的转换关系 一.各坐标系介绍 二.世界坐标系和相机坐标系之间的转换 三.相机坐标系和图像坐标系之间的转换 四.图像坐标系和像素坐标系之间 ...

  6. 相机成像---世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系

    新学期第一天开始写的这篇文章,看看我啥时候能把他发出去.假期当然是啥也没干了,之前还信誓旦旦说回家一定能学习,学个毛线.开始学习啦,去年年末把环境配置好了之后,实验发现他不准,用的D435i摄像头是红 ...

  7. 世界坐标系、相机坐标系、图像坐标系、像素坐标系都是什么?

    四个坐标系都是什么? 图像处理.立体视觉等等方向常常涉及到四个坐标系:世界坐标系.相机坐标系.图像坐标系.像素坐标系 构建世界坐标系只是为了更好的描述相机的位置在哪里,在双目视觉中一般将世界坐标系原点 ...

  8. 相机标定(一): 世界坐标系、相机坐标系、图像坐标系和像素坐标系间的关系

    最近在做双目测距,需要用到相机标定.矫正等,但首先需要熟悉相机模型:相机模型为以后算法的关键,只有将相机模型理解透彻,才能对以后的标定算法有更好的理解.参考了好多相关的博客,终于有点思路,顺手写下来作 ...

  9. 世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换

    世界坐标系.相机坐标系.图像坐标系.像素坐标系之间的转换 图像处理.立体视觉等方向常常涉及到四个坐标系:世界坐标系.相机坐标系.图像坐标系.像素坐标系.例如下图: 构建世界坐标系只是为了更好的描述相机 ...

  10. 相机标定----世界坐标系,相机坐标系,图像坐标系,像素坐标系的转换

    1.坐标系介绍 相机模型中,三维世界中的某一点  和  其对应的像素点是通过坐标系的转换得到的.这个过程中会涉及到四个坐标系,即世界坐标系.相机坐标系.图像坐标系.像素坐标系.下面将详细介绍四个坐标系 ...

最新文章

  1. Resharper 检测所有NullReferenceExceptions(空指针)
  2. 数据中台(三)数据中台设计与数据资产管理
  3. ByteBuffer用法小结
  4. confirm修改按钮文字_踏入MG动画设计的门,才知道文字动画这么重要……
  5. 第二章. node中的模块和require
  6. jQuery 插件 autocomplete 的使用
  7. 并发编程之美-终章chat
  8. 适用mac微信用户的免登陆多开防撤回插件-WeChatTweak
  9. 自动控制原理第2章——自动控制系统的数学模型(思维导图)
  10. Isilon旧机器重新初始化
  11. 第十二周项目四:银行系统(一)
  12. QT 读BIN文件的两种方式
  13. 电脑中的驱动程序是什么,是干什么的
  14. 受用一生的高效 PyCharm 使用技巧
  15. Kafka消费者订阅方式
  16. 【Programe.VIM学习】
  17. HH SaaS电商系统的各种编号(编码/代码/代号)设计
  18. linux压缩分区大小,linux如何无损调整分区大小的详细介绍
  19. ubuntu20.04主屏幕与扩展屏同步
  20. OSChina 周日乱弹 —— 我女朋友都放到购物车里都没钱买

热门文章

  1. Python远程部署利器Fabric详解
  2. Great Power, Great Responsibility: The 2018 Big Data AI Landscape
  3. 有赞客户行为收集与实时处理系统设计
  4. 构建高性能服务(三)Java高性能缓冲设计 vs Disruptor vs LinkedBlockingQueue--转载
  5. spring beans源码解读之 ioc容器之始祖--DefaultListableBeanFactory
  6. 遍历查询ldap服务器用户
  7. ios--成员变量与属性的区别
  8. 【统计学习】概率论与统计学基础
  9. 【SQL】SQL语句大全(XIMND导图梳理)
  10. PANDAS 数据合并与重塑(concat篇) 原创 2016年09月13日 19:26:30 47784 pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYS