pnp 3D视觉(六)：PnP问题（pespective-n-point）
Published:
PNP问题的描述:
参考：https://users.umiacs.umd.edu/~ramani/cmsc426/Lecture23_3Dpose.pdf 已知物体模型，
image里面有模型的u,v 像素坐标，
已知相机内参K
目标：得到相机相对于这些点的姿态，或者说估计出这些3D点在相机坐标系下姿态，来得到物体基于相机坐标的pose。
\[\mathrm{z}_{\mathrm{c}}\left[\begin{array}{c} u \\ v \\ 1 \end{array}\right]=K\left[\begin{array}{cc} R & t \\ 0^T & 1 \end{array}\right]\left[\begin{array}{c} X_w \\ Y_w \\ Z_w \\ 1 \end{array}\right]\]我们可以理解为这些点在世界的3D坐标系中有一个固定的坐标系，这个坐标系可以是物体的中心点 那么这个goal: is to find the camera coordinate convention that relative the center point of what the 3D points are relative to. goal: 就是找到相机的坐标系转换，基于这个center point的坐标系转换。
给出多个世界坐标系下已知的点的位置，或者关系，就可以用各种方法解方程了。感觉这里也有点类似相机标定。
PNP问题求解方法 PNP 的问题是一致的，不同的就是在已知3D-2D的点对的情况下，怎么求出相机的位姿或者说点对在相机坐标系下的姿态。常见的PNP问题的求解方法，有以下几种:
直接线性变换DLT EPnP SDP P3P UPnP 非线性优化方法等