相机姿态估计的误差/灵敏度分析

Question

我正在用solvePnPRansac测试OpenCV姿态估计。该方法使用参数reprojectionError来区分RANSAC的异常值/异常值。假设姿势估计返回T = T（R，t），是否有可能在给定reprojectionError值的情况下找到最大估计误差$$ \ DeltaT_max $$？

我已经通过将这个问题公式化为约束优化问题来进行了一些测试，并且看到此估计相当敏感。从某种意义上说，具有很小的重投影误差容忍度，例如.1，.01 ...，最大平移误差可达数百毫米，几乎所有角度旋转。从这一观点出发，使用这样的估计是可靠的，在该估计中可以容易地发现一些小误差，例如误差。参考点像素位置的舍入？

编辑1： 我已经从“使用直接线性变换从线对应的绝对姿势估计”中找到了一些大规模测试

看起来好像有一个很好的估计，可以更好地将重投影误差强制得很小，例如<1e-6或<1e-7，比赛次数应接近10，以便对位置和方向进行声音估计（例如，角度<1度，位置<1米仍然很大）。因此，关于我之前提到的reprojectionError，即.1和.01不太准确。与此相关的是solvePnPRansac，此reprojectionEror的默认值为... 8像素！这不是无关紧要的吗？如果一个点不合理，则所需的重投影误差应该非常小

此外，如果图形和我的理解是正确的，它也可以解释为...位置误差<.01米，匹配线/点的数量应> 2000，旋转误差<.1 Deg ，这个数字最多为> 100到500。对于情况，这些匹配数字非常大