有讀者不瞭解齊次座標系的，請移駕於此齊次座標系

本文轉載自SLAM入門之視覺里程計(2)：相機模型（內參數，外引數）
該文章將四種座標系的由來，用處描述的非常清楚，博主受用匪淺，但是好像直接轉載出了點問題，明明選中了div貼上到CSDN後只能顯示一部分，所以直接貼出連結。

下面，說說博主看了文章之後的感想，並梳理一下脈絡。
（注：所有圖片也來自於上述連結）

首先，相機模型的重中之重是描述畫素座標，影象座標，相機座標，世界座標之間的變換關係。

由小孔成像模型引入，這裡有影象座標系和相機座標系。其中，相機座標系以相機中心為原點（三維座標，其中點的描述為P_C=（X,Y,Z）），影象座標系以成像平面中心O’為原點（二維座標，其中點的描述為p=(x,y)）。

由於描述影象的習慣或者說是行規吧，都是以影象的左上角為原點，x軸水平向右延伸，y軸垂直向下延伸，所以要將影象座標轉換到畫素座標，這就出現了畫素座標系。這個轉換中牽涉到平移和縮放。

看起來上述已經完美了，但是，有一個嚴重的問題：相機座標系並不是一個“穩定”的座標系，其會隨著相機的移動而改變座標的原點和各個座標軸的方向，用該座標系下座標進行計算，顯然不是一個明智的選擇。需要引進一個穩定不變座標系：世界座標系，該座標系是絕對不變，SLAM中的視覺里程計就是求解相機在世界座標系下的運動軌跡。

設P_C是P在相機座標系座標，P_W是其在世界座標系下的座標，可以使用一個旋轉矩陣R和一個平移向量t，將P_C

至此，四個座標系的由來及用處已經描述完了，具體推導詳見上面引用的部落格。
下面直接貼出結論公式：

其中，f_x = af ; f_y = bf
f是焦距，a,b分別是影象座標轉畫素座標時在水平軸x和豎直軸y的縮放倍數。
R，t是相機座標轉世界座標是的旋轉矩陣和平移向量