使用PNP进行姿势估计：奇怪的错误结果

Question

我正在尝试在Open CV（EPNP，Iterative等）中使用PNP算法实现来获得两个相机对中的相机的度量姿势估计（不是传统的立体装备，相机可以独立于彼此）。我的图像源目前是机器人模拟器（Gazebo），其中两个相机在物体场景中被模拟。图像几乎是理想的：即零失真，没有伪影。

首先，这是我的第一对图像。

我认为合适的相机是“原产地”。在公制世界坐标中，左侧摄像机位于（1,1,1），右侧位于（-1,1,1）（沿X的2m基线）。使用特征匹配，我构造了基本矩阵，从而构建了左摄像机的R和t。对。这就是我得到的。

R in euler angles: [-0.00462468, -0.0277675, 0.0017928]
t matrix: [-0.999999598978524; -0.0002907901840156801; -0.0008470441900959029]

哪个是正确的，因为位移仅沿着相机框架中的X轴。对于第二对，左摄像头现在处于（1,1,2）（向上移动1米）。

现在是左边的R和t。权利变成：

R in euler angles: [0.0311084, -0.00627169, 0.00125991]
t matrix: [-0.894611301085138; -0.4468450866008623; -0.0002975759140359637]

这又有意义：没有轮换;沿Y轴的位移是基线（沿X）的一半，所以，虽然这不会给我真实的度量估计值。

因此，为了获得案例2中姿势的度量估计，我在案例1中使用来自摄像机1和摄像机2的点构建了3D点（考虑已知基线：2m），然后运行PNP具有这些3D点的算法和来自案例2的图像点。奇怪的是，ITERATIVE和EPNP算法给出了类似且完全错误的结果，如下所示：

Pose according to final PNP calculation is: 
Rotation euler angles: [-9.68578, 15.922, -2.9001]
Metric translation in m: [-1.944911461358863; 0.11026997013253; 0.6083336931263812]

我错过了一些基本的东西吗？我认为这应该是一个相对简单的PNP计算，因为没有失真等等。任何意见或建议都会非常有用，谢谢！