1整體介紹
首先，不考慮這些術語，考慮一下成像的流程。我們是在三維空間中生活，假想xw,yw,zw位置附近有一個籃球，而在另外一個其他位置有一個針孔相機，用這個針孔相機對籃球拍照，而拍照時照片中的籃球的像只和籃球面對照相機的那一面有關係，因此現在只考慮籃球在照相機那一面的點。比如那一面有一個點是xw,yw,zw。現在我們關心的是，相機按下拍照按鈕後，這個點在相機照片的哪一個位置，我們就要計算這個轉換關係，而計算這個轉換關係就需要用到相機內參和外參。
2計算大概流程
第一步，假象你的頭部就是三維世界的中心，相機、籃球都有一個座標，但是現在要知道的是相機中照片中的籃球的一個點的位置，因此應該將以你頭部爲中心的世界轉換爲以相機焦點爲中心的世界，這樣不就更直觀了麼。所以第一步就是求外參矩陣，然後把xw,yw,zw轉換爲以相機爲中心的世界中的座標xc\yc\zc。
第二步，就是小孔成像問題，將轉換爲相機爲中心世界的xw,yw,zw，利用相機內參轉換爲圖片中的點的位置，在將圖片中的點轉換爲是哪個像素（像素座標）。
3具體如何計算外參和內參矩陣
首先，要知道攝像機在世界座標系下的位置、相對於世界座標系x\y\z軸的方向。通過一個點的世界座標來求出一個點在相機座標系下的座標。具體爲求出將相機三維座標軸通過旋轉、平移與世界座標軸重合的矩陣，任何一個世界座標乘以這個矩陣即是它在相機座標系中的座標。
內參矩陣就簡單了，直接用小孔成像模型就可以求出來了。
4細節介紹
3d旋轉介紹https://www.cnblogs.com/jiahenhe2/p/7954707.html
5 opencv計算及原理
參考：https://blog.csdn.net/u010368556/article/details/79434240
結合自己理解進行補充，一般來說大多數博客中都未講具體怎麼解出來內參矩陣和矯正矩陣。我認爲是這樣解出來的，首先圖像中某一點的像素座標與相機世界座標的轉換關係如下：
u、v是像素座標，X\Y\Z是世界座標。因此你可以得到一系列f(x1)=y1,f(x2)=y2這樣的函數方程，列舉出很多以後直接求參即可求出相機內參。（張正友標定算法）