2025.6.22学习日常

1.相机参数

1.1 内部参数

相机内参描述了相机自身的光学和几何特性，核心参数有焦距，主点，畸变系数，核心参数构成内参矩阵

1.2 外部参数

相机外参描述了相机在世界坐标系中的位置和姿态，核心参数有旋转矩阵，平移向量。旋转矩阵为3阶的正交矩阵（AAT=E）

详细可以参照这篇文章https://blog.csdn.net/weixin_68076719/article/details/148101275

1.3 相机标定

获得相机的内参和外参的过程称为相机标定，与AIGC相结合的方法有在线标定，由SLAM算法实时估计相机外参。

2.相机模型

相机出图以像素为单位，而对于真实世界来说是以米或者毫米为单位。

该文章的链接在这里https://blog.csdn.net/xujie126/article/details/118026380

2.1 示意图

最后看到的其实是蓝色的uv坐标系

2.2 深度图的作用

已知像素坐标，想要求解相机坐标，需要直接知道深度，该部分由深度相机获得深度图

3.Tensor与np.ndarray

进行下游任务时，需要用到numpy等计算库，该计算库需要到cpu上使用，所以需要将Tensor的批次维度去除。具体步骤如下：
MyTensor.cpu().numpy().squeeze(0)

4.SE3

SE3为Set，Euclidean取首字母加上3数字得到，表明几何在3维欧式空间做刚性变换，通俗理解为刚性变换等于平移+旋转（其实还有反射，但是不做）

5.Numpy中Axis设计思想

数学上的三维向量就是指一行三列的数组，但是在计算机领域中，一行三列的数组其实就是一维数组开了3个空间而已，简单地用a[3]表示，shape为3.现在numpy数组使用shape查看得到(a,b).其实和笛卡尔乘积类似，axis=0表示，对a做一个聚合操作，重复次数为b次