我正在尝试创建不同姿势的对象图像数据集，其中每个图像都使用相机姿势（或对象姿势）进行注释。
例如，如果我有一个世界坐标系，我将感兴趣的对象放在原点并将相机放在已知位置（x，y，z）并使其面向原点。根据这些信息，我如何计算相机或物体的姿势（旋转矩阵）。
我有一个想法，就是有一个参考坐标，即（0,0，z'），我可以定义对象的旋转。即它的倾斜，俯仰和偏航。然后我可以从（0,0，z'）和（x，y，z）计算旋转，给我一个旋转矩阵。问题是，现在如何组合两个旋转矩阵？
BTW，我知道相机的世界位置，因为我使用CAD模型从OpenGL渲染这些，而不是物理地移动相机。
答案 0 :(得分：1)
单应矩阵在均匀屏幕坐标（i，j）到齐次世界坐标（x，y，z）之间进行映射。
齐次坐标是法线坐标，附加1。所以（3,4）在屏幕坐标中是（3,4,1）作为均匀的屏幕坐标。
如果你有一组同质的屏幕坐标，S及其相关的同质世界位置，W。4x4单应矩阵满足
S * H =转置（W）
所以归结为在世界坐标中找到几个特征，你也可以在屏幕坐标中识别i，j位置，然后做一个“最佳拟合”单应矩阵（openCV有一个函数findHomography）
虽然知道相机的xyz提供了有用的信息，但它还不足以完全约束等式，无论如何你将不得不生成更多的屏幕世界对。因此，我认为将相机位置整合到混音中是不值得的。
我在这里做了类似的实验：http://edinburghhacklab.com/2012/05/optical-localization-to-0-1mm-no-problemo/