# 坐标系

设备中定义的所有坐标系都是右手坐标系。每个设备有两种类型：

 * CameraSocket 坐标系 — 在校准期间由相机针孔模型定义。
 * 外壳坐标系 — 由设备的机械形状定义。

## 符号

要将点从坐标系 A 转换为 B，我们使用：

其中：

是点 p 在坐标系 A 中的齐次坐标列向量，并且：

是从坐标系 A 到 B 的 4×4 变换矩阵。

## CameraSocket 坐标系

每个设备有 n 个相机传感器（通常为 3 个）。每个传感器都有自己的坐标系，由针孔相机模型定义。在出厂校准期间，所有 n 个相机传感器都相互校准，形成一个变换链。如果校准因热应力或机械应力而随时间退化，设备可以使用
[动态校准](/hardware/platform/depth/dynamic-calibration.md)进行自修复。

### 插座到相机的映射

在典型的 OAK 设备上，相机插座映射如下：

| 插座编号 | 插座名称 | 相机名称 |
| --- | --- | --- |
| 0 | CAM_A | RGB |
| 1 | CAM_B | LEFT |
| 2 | CAM_C | RIGHT |

相机变换通常形成一个线性链：

### 原点（参考）相机

校准链中插座索引最低的相机称为原点（也称为 ref）。DepthAI 中的所有外参都相对于此原点相机表示。例如，在具有 `CAM_A`、`CAM_B` 和 `CAM_C` 的典型设备上，原点是 `CAM_A`。

DepthAI 生成的每个图像也带有自己的 `ImgTransformation`，其中包括相机外参 — 从虚拟相机到原点（通常是上面定义的 `CAM_A`）的变换。

外参通过 `toCameraSocket` 和 `toDeviceId` 标识目标参考相机。`toDeviceId` 会自动填充创建消息的设备的 ID，即 `toCameraSocket`
引用的设备。在多设备设置中，使用这两个字段来区分不同设备上的参考相机。有关更多详细信息，请参阅
[ImgTransformations](/software-v3/depthai/depthai-components/messages/img_transformations.md)。

虚拟相机是描述图像当前状态的相机模型 — 在应用任何处理（扭曲、裁剪、去畸变等）之后。当 DepthAI
变换图像时，结果等同于由一个不同的虚拟相机拍摄的照片，该虚拟相机在空间中可能位于不同的位置和方向。因此，虚拟相机外参可能与校准期间建立的物理传感器外参不同。`ImgTransformation` 始终反映虚拟相机，以便下游节点使用最新的几何信息。

### 相机到相机的变换

您可以使用以下方法检索任何相机到相机的变换：

```python
# srcCamera / dstCamera — 任何 dai.CameraBoardSocket 值：
#   CAM_A, CAM_B, CAM_C, CAM_D, CAM_E, CAM_F, CAM_G, CAM_H, CAM_I, CAM_J

# 获取从 CAM_B 到 CAM_A 的 4x4 外参变换矩阵
calibration.getCameraExtrinsics(dai.CameraBoardSocket.CAM_B, dai.CameraBoardSocket.CAM_A)
```

这会返回从 `srcCamera` 到 `dstCamera` 的变换矩阵：

在内部，DepthAI 通过链接两个原点变换来计算此值：

```python
calibration.getExtrinsicsToOrigin(srcCamera)  # 返回 T^src_origin
calibration.getExtrinsicsToOrigin(dstCamera)  # 返回 T^dst_origin
```

最终的相机到相机变换然后组合为：

## 外壳坐标系

外壳坐标系是与设备外壳的物理特征相关的坐标系。有三种类型：

 * `VESA_A` – `VESA_J` — 设备安装点。
 * `FRONT_CAM_A` – `FRONT_CAM_J` — 位于前玻璃处，与前玻璃平面对齐。
 * `CAM_A` – `CAM_J` — 位于相机传感器规格位置。

所有外壳坐标系都面向 RDF（右-下-前），X-Y 平面由前玻璃机械定义。这意味着外壳坐标系补偿了设备内部传感器物理位置的缺陷。

节点可以直接集成外壳坐标系 —
您选择一个目标坐标系，输出数据会自动转换为该坐标系。例如，[PointCloud](/software-v3/depthai/depthai-components/host_nodes/pointcloud.md)
节点允许您直接在任何外壳或相机插座坐标系中接收点云数据。

### 转换为外壳坐标系

您可以使用以下方法从相机检索到任何外壳坐标系的变换：

```python
# housingCS — 任何 dai.HousingCoordinateSystem 值：
#   CAM_A … CAM_J           — 相机外壳原点
#   FRONT_CAM_A … FRONT_CAM_J — 每个相机的前盖坐标系
#   VESA_A … VESA_J         — 每个相机的 VESA 安装坐标系
#   IMU                     — IMU 外壳原点

# 获取从 CAM_A 到 VESA_A 外壳坐标系的 4x4 变换
calibration.getHousingCalibration(dai.CameraBoardSocket.CAM_A, dai.HousingCoordinateSystem.VESA_A)
```

这会生成从 `srcCamera` 到选定外壳坐标系的变换矩阵：

在内部，这涉及三个步骤：

```python
calibration.getHousingToHousingOrigin()       # 返回 T^housing_housingOrigin
calibration.getExtrinsicsToOrigin(housingOrigin)  # 返回 T^housingOrigin_origin
calibration.getExtrinsicsToOrigin(srcCamera)      # 返回 T^srcCamera_origin
```

外壳到特定外壳的变换从 DepthAI Boards JSON 文件中检索：

## ImageTransformation — 处理数据

处理数据时，始终使用 `ImgTransformation` 作为变换源。每个数据帧都带有自己的外参 — 从数据帧到原点（参考）相机的变换。当以下情况发生时，此外参会自动保持最新：

 * 对数据执行操作（裁剪、调整大小、去畸变等）
 * 校准在运行时发生变化（例如，由于
   [AutoCalibration](/software-v3/depthai/depthai-components/host_nodes/auto_calibration.md) 节点）

像 [PointCloud](/software-v3/depthai/depthai-components/host_nodes/pointcloud.md) 和
[ImageAlign](/software-v3/depthai/depthai-components/nodes/image_align.md) 这样的节点会自动从
`ImgTransformation` 读取变换，因此它们无需手动干预即可保持校准感知。

### 需要帮助？

请访问[讨论论坛](https://discuss.luxonis.com/)以获取技术支持或您可能有的任何其他问题。
