将针孔模型相机应用到3DGS

Motivation

3DGS 的投影采用的是 CG系的投影矩阵 $P$ , 默认相机的 principal point (相机光心) 位于图像的中点处。但是实际应用的绝大多数的相机并不满足这样一个设定，因此我们需要根据 ${f,c_x, c_y}$ 这几个参数重新构建3D GS 的投影矩阵。

3DGS 的相机模型的构建

原理：

目的：将一个相机View 坐标系的一个3D 点变换到 NDC 坐标系

维基百科：https://www.songho.ca/opengl/gl_projectionmatrix.html

一共有如下3个坐标系

Eye 坐标系(View 坐标系) : $x_e,y_e,z_e)$

View 坐标系通过转化矩阵 $M_{proj}$ 转化到Clip 坐标系。**先进行缩放变换，**缩放之后的坐标是 $x_p,y_p,z_p)$ , 缩放之后继续做正交投影 【就是把（l,r）映射到（-1，1）】,最后才可以变换到Clip坐标系下面的坐标 $x_c,y_c,z_c)$ 。

Clip坐标系 : $x_c,y_c,z_c)$

Clip 坐标系通过除以齐次坐标系的最后一个分量转换到 NDC 坐标系

NDC坐标系 : $x_n,y_n,z_n)$

在这里插入sd图片描述
n为视锥体近面z坐标，f为远面z坐标，
t为视锥体top面z坐标，b为 bottom面y坐标，
r为视锥体right x坐标，left为左面x坐标，

1. 从 View 坐标系转化到 Clip 坐标系

主要是通过相似三角形的原理去列方程：
$x_p=\frac{-n \cdot x_e}{z_e}=\frac{n \cdot x_e}{-z_e}$
$y_p=\frac{-n \cdot y_e}{z_e}=\frac{n \cdot y_e}{-z_e}$
$z_p$ 坐标的求解，可以观看闫令琪的计算机图像学：有两个基本假设：

Near 的平面的所有点 Z 缩放之后的 Z值不会发生变化；
Far 平面的所有点 Z 缩放之后的 Z值不会发生变化；

得到了缩放之后的 $x_p,y_p, z_p)$ ，然后我们再通过线性变换做正交投影将Cuboid 的长和宽分别缩放到一个单位立方体, 即将 [l, r] ⇒ [-1, 1] and [b, t] ⇒ [-1, 1]。
Eq2：
$x_c=\alpha_x x_p+\beta_x$
$y_c=\alpha_y y_p+\beta_y$

将 $x_p$ 和 $x_e$ 的关系带入上面Eq2式子当中。以 x 坐标为例，由于l对应-1，r对应1，求解出 $\alpha$ 和 $\beta$ 我们有：

$\begin{aligned} x_c& =\frac{2 x_p}{r-l}-\frac{r+l}{r-l} \quad\left(x_p=\frac{n x_e}{-z_e}\right) \\ & =\frac{2 \cdot \frac{n \cdot x_e}{-z_e}}{r-l}-\frac{r+l}{r-l} \\ & =\frac{2 n \cdot x_e}{(r-l)\left(-z_e\right)}-\frac{r+l}{r-l} \\ & =\frac{\frac{2 n}{r-l} \cdot x_e}{-z_e}-\frac{r+l}{r-l} \\ & =\frac{\frac{2 n}{r-l} \cdot x_e}{-z_e}+\frac{\frac{r+l}{r-l} \cdot z_e}{-z_e} \\ & =(\underbrace{\frac{2 n}{r-l} \cdot x_e+\frac{r+l}{r-l} \cdot z_e}_{x_c}) /-z_e\end{aligned}$

$\begin{aligned} y_c & =\frac{2 y_p}{t-b}-\frac{t+b}{t-b} \quad\left(y_p=\frac{n y_e}{-z_e}\right) \\ & =\frac{2 \cdot \frac{n \cdot y_e}{-z_e}}{t-b}-\frac{t+b}{t-b} \\ & =\frac{2 n \cdot y_e}{(t-b)\left(-z_e\right)}-\frac{t+b}{t-b} \\ & =\frac{\frac{2 n}{t-b} \cdot y_e}{-z_e}-\frac{t+b}{t-b} \\ & =\frac{2 n}{\frac{t-b}{-z_e} \cdot y_e}+\frac{t+b}{\frac{t-b}{-z_e}} \\ & =(\underbrace{\frac{2 n}{t-b} \cdot y_e+\frac{t+b}{t-b} \cdot z_e}_{y_c}) /-z_e\end{aligned}$

上面的恰好是 Clip 坐标系的齐次坐标系。发现计算的 $x_c,y_c$ 恰好是除以了 $z_e$ ，因此我们可以预先指定齐次坐标的第四项是： $w_c = -z_e$ earlier。下面是 Clip 坐标系的齐次坐标：
$\left(\begin{array}{c}x_c \\ y_c \\ z_c \\ w_c\end{array}\right)=\left(\begin{array}{cccc}\frac{2 n}{r-l} & 0 & \frac{r+l}{r-l} & 0 \\ 0 & \frac{2 n}{t-b} & \frac{t+b}{t-b} & 0 \\ \cdot & \cdot & \cdot & \cdot \\ 0 & 0 & -1 & 0\end{array}\right)\left(\begin{array}{l}x_e \\ y_e \\ z_e \\ w_e\end{array}\right)$

$Z的推导和 x,y 没有关系。因此上面的矩阵写成下面的形式：
$\left(\begin{array}{c}x_c \\ y_c \\ z_c \\ w_c\end{array}\right)=\left(\begin{array}{cccc}\frac{2 n}{r-l} & 0 & \frac{r+l}{r-l} & 0 \\ 0 & \frac{2 n}{t-b} & \frac{t+b}{t-b} & 0 \\ 0 & 0 & A & B \\ 0 & 0 & -1 & 0\end{array}\right)\left(\begin{array}{c}x_e \\ y_e \\ z_e \\ w_e\end{array}\right)$ ,
其中的 Z 项单目提出来应该等于下面的式子：
$z_n=z_c / w_c=\frac{A z_e+B w_e}{-z_c}$
最后根据： Z_near 平面和 Z_far 平面不会移动的原因，得到最后的投影矩阵：
$M_{proj}=\left(\begin{array}{cccc}\frac{2 n}{r-l} & 0 & \frac{r+l}{r-l} & 0 \\ 0 & \frac{2 n}{t-b} & \frac{t+b}{t-b} & 0 \\ 0 & 0 & \frac{-(f+n)}{f-n} & \frac{-2 f n}{f-n} \\ 0 & 0 & -1 & 0\end{array}\right)$

Code:

3DGS 设定：

self.zfar = 100.0
self.znear = 0.01

下面这个 Projection_Matrix 的构建和上面公式推导会有一点不一样的地方，尤其是对于 Z值的计算上，Github 上也有人提出过疑问。矩阵的P[2,2] 有误，但是作者又说他在 Code 中没有使用 Z的数值。

https://github.com/graphdeco-inria/gaussian-splatting/issues/388
https://github.com/graphdeco-inria/gaussian-splatting/issues/376

def getProjectionMatrix(znear, zfar, fovX, fovY):tanHalfFovY = math.tan((fovY / 2)) ## 视场角一半的正切数值tanHalfFovX = math.tan((fovX / 2))## 得到 l,b,top,righttop = tanHalfFovY * znearbottom = -topright = tanHalfFovX * znearleft = -rightP = torch.zeros(4, 4)z_sign = 1.0P[0, 0] = 2.0 * znear / (right - left)P[1, 1] = 2.0 * znear / (top - bottom)P[0, 2] = (right + left) / (right - left)P[1, 2] = (top + bottom) / (top - bottom)P[3, 2] = z_signP[2, 2] = z_sign * zfar / (zfar - znear)P[2, 3] = -(zfar * znear) / (zfar - znear)return P

带有Cx, Cy的相机模型:

https://github.com/graphdeco-inria/gaussian-splatting/issues/144

def getProjectionMatrixShift(znear, zfar, focal_x, focal_y, cx, cy, width, height, fovX, fovY):tanHalfFovY = math.tan((fovY / 2))tanHalfFovX = math.tan((fovX / 2))# the origin at center of image planetop = tanHalfFovY * znearbottom = -topright = tanHalfFovX * znearleft = -right# shift the frame window due to the non-zero principle point offsetsoffset_x = cx - (width/2)offset_x = (offset_x/focal_x)*znearoffset_y = cy - (height/2)offset_y = (offset_y/focal_y)*zneartop = top + offset_yleft = left + offset_xright = right + offset_xbottom = bottom + offset_yP = torch.zeros(4, 4)z_sign = 1.0P[0, 0] = 2.0 * znear / (right - left)P[1, 1] = 2.0 * znear / (top - bottom)P[0, 2] = (right + left) / (right - left)P[1, 2] = (top + bottom) / (top - bottom)P[3, 2] = z_signP[2, 2] = z_sign * zfar / (zfar - znear)P[2, 3] = -(zfar * znear) / (zfar - znear)return P

或者其他人也给了 Projection 基于相机内参的写法：

https://github.com/graphdeco-inria/gaussian-splatting/issues/399

P[0, 0] = 2 * fx / W
P[1, 1] = 2 * fy / H
P[0, 2] = 2 * (cx / W) - 0.5
P[1, 2] = 2 * (cy / H) - 0.5
P[2, 2] = -(zfar + znear) / (zfar - znear)
P[3, 2] = 1.0
P[2, 3] = -(2 * zfar * znear) / (zfar - znear)