SlideShare une entreprise Scribd logo
1  sur  13
図と式をサイドバイサイドで見て理解する
ピンホールカメラモデル
2016年8月15日
森 尚平
2次元空間
撮像素子や
フィルム等
被写体
f
Z
-Y
y
Z
原点
Y
撮像素子や
フィルム等
被写体
f
Z
-Y
y
Z
原点
Y
2次元空間
撮像素子や
フィルム等
被写体
f
Z
-Y
y
Z
原点
Y
2次元空間
緑と青の三角形の相似関係から ⇒
Z
Y
f
y 

 Z
Y
fy 
同様に .尚,f は焦点距離.
Z
X
fx 
2次元空間
図のように原点を中心に反転させても
同様の関係が成り立つので,便宜上こちらを用いる.
被写体
f
Z
-Y-y
Z
原点
Y 






Z
Y
fy
Z
X
fx
2次元空間
これを行列で表すと
被写体
f
Z
-Y-y
Z
原点
Y







Z
Y
fy
Z
X
fx































Z
Y
X
f
f
y
x
100
00
00
1
 ただし,λ=Z
2次元空間
被写体
f
Z
-Y-y
Z
原点
Y
さらに, .

































1
0
0
0
1
0
0
0
0
0
0
1
Z
Y
X
f
f
y
x

3次元空間
Z
Y
X
原点
-Y
-y
被写体
これを行列で表すと







Z
Y
fy
Z
X
fx































Z
Y
X
f
f
y
x
100
00
00
1
 ただし,λ=Z
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心

































1
0
0
0
1
0
0
0
0
0
0
1
Z
Y
X
f
f
y
x

ここから,画像座標系の原点から光学中心までの
オフセットcx,cyを考慮して,
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心cx
cy

































1
0
0
0
10
0
0
0
1
Z
Y
X
c
c
f
f
y
x
y
x


































1
0
0
0
1
0
0
0
0
0
0
1
Z
Y
X
f
f
y
x

ここから,画像座標系の原点から光学中心までの
オフセットcx,cyを考慮して,
(原点を画像平面の中央から画像座標系の原点へ移動)
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心cx
cy

































1
0
0
0
10
0
0
0
1
Z
Y
X
c
c
f
f
y
x
y
x


































1
0
0
0
1
0
0
0
0
0
0
1
Z
Y
X
f
f
y
x

ここから,画像座標系の原点から光学中心までの
オフセットcx,cyを考慮して,
(原点を画像平面の中央から画像座標系の原点へ移動)
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心cx
cy

































1
0
0
0
10
0
0
0
1
Z
Y
X
c
c
f
f
y
x
y
x

さらに,内部変数を考慮して,

































1
0
0
0
100
0
1
Z
Y
X
c
c
f
f
y
x
y
x



※内部変数の詳細は
http://goo.gl/4vRYWX
参照

































1
0
0
0
1
0
0
0
0
0
0
1
Z
Y
X
f
f
y
x

ここから,画像座標系の原点から光学中心までの
オフセットcx,cyを考慮して,
(原点を画像平面の中央から画像座標系の原点へ移動)
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心cx
cy

































1
0
0
0
10
0
0
0
1
Z
Y
X
c
c
f
f
y
x
y
x

さらに,内部変数を考慮して,

































1
0
0
0
100
0
1
Z
Y
X
c
c
f
f
y
x
y
x



※内部変数の詳細は
http://goo.gl/4vRYWX
参照
実際,このくらいの
近似で十分な場合も多い
画像座標系
Z
Y
X
原点
-Y
-y
被写体3次元空間
u
v
画像中心
光学中心cx
cy 
































1
0
0
0
100
0
1
Z
Y
X
c
c
f
f
y
x
y
x



.ただし,XKAx
~~ λ
T
]1[~ yxx T
]1[
~
ZYXX











100
0 y
x
cf
cf


K











0
0
0
1
0
0
0
1
0
0
0
1
A
これを行列で表すと,

Contenu connexe

Tendances

Tendances (20)

SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
 
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
 
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
 
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
 
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
 
オープンソース SLAM の分類
オープンソース SLAM の分類オープンソース SLAM の分類
オープンソース SLAM の分類
 
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
 
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
 
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
 
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
 
Rosのリアルタイムツールの紹介
Rosのリアルタイムツールの紹介Rosのリアルタイムツールの紹介
Rosのリアルタイムツールの紹介
 
Visual slam
Visual slamVisual slam
Visual slam
 
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
 
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
 
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
 
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMSLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
 
Sift特徴量について
Sift特徴量についてSift特徴量について
Sift特徴量について
 

En vedette (7)

カメラ位置姿勢とビュー行列
カメラ位置姿勢とビュー行列カメラ位置姿勢とビュー行列
カメラ位置姿勢とビュー行列
 
エピポーラ幾何 (Epipolar geometry)
エピポーラ幾何 (Epipolar geometry)エピポーラ幾何 (Epipolar geometry)
エピポーラ幾何 (Epipolar geometry)
 
Image-Based Rendering 各手法の直感的理解
Image-Based Rendering各手法の直感的理解Image-Based Rendering各手法の直感的理解
Image-Based Rendering 各手法の直感的理解
 
ISMAR2016まとめ
ISMAR2016まとめISMAR2016まとめ
ISMAR2016まとめ
 
Meanshift Tracking Presentation
Meanshift Tracking PresentationMeanshift Tracking Presentation
Meanshift Tracking Presentation
 
Kernel Bayes Rule
Kernel Bayes RuleKernel Bayes Rule
Kernel Bayes Rule
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 

ピンホールカメラモデル