本来很久之前学过了，现在又忘了，故再整理一下：
对于相机来说存在若干参数，决定了空间中的点位该如何映射到图像上。整个过程可以大概整理成：先是世界坐标下的目标点，然后被外参矩阵转换到相机坐标系，然后被内参矩阵映射到图像坐标系，最后被简单的平移和坐标轴移动转换到像素坐标系，注意到在拍摄过程中，图像坐标系一般以光心作为原点，而在图像处理中，一般以图像最左上角作为像素坐标原点。最后的这个差别一般没有做区别，但是在具体的图像处理中需要区分一下。
总投影矩阵
$$P_i = K_i [R_i \mid t_i]$$
其中内参矩阵
$$K_i = \begin{bmatrix}f_x & 0 & c_x \\0 & f_y & c_y \\0 & 0 & 1\end{bmatrix}$$
外参矩阵
$$[R_i \mid t_i] = \begin{bmatrix}r_{11} & r_{12} & r_{13} & t_x \\r_{21} & r_{22} & r_{23} & t_y \\r_{31} & r_{32} & r_{33} & t_z\end{bmatrix}$$
所以可以将整个过程表述为
$$\begin{bmatrix}u_i \\v_i \\1\end{bmatrix}\sim\underbrace{\begin{bmatrix}f_x & 0 & c_x \\0 & f_y & c_y \\0 & 0 & 1\end{bmatrix}}_{K_i \text{ (内参)}}\underbrace{\begin{bmatrix}r_{11} & r_{12} & r_{13} & t_x \\r_{21} & r_{22} & r_{23} & t_y \\r_{31} & r_{32} & r_{33} & t_z\end{bmatrix}}_{[R_i \mid t_i] \text{ (外参)}}\begin{bmatrix}X \\Y \\Z \\1\end{bmatrix}$$