python - 从任意图像进行姿势估计

我正在使用任意图像，并使用opencv提供的template matching / homography示例在另一个图像中查找已知图像并找到边界框。我还想使用solvePnP或类似方法来估计相机的姿势。但是，我对如何在3D空间中获得objectPoint以及在相机图像中获得各自的2D平移感到困惑。

如何使用cv::solvePnP来摆姿势？我已经校准了相机，并获得了失真系数和相机矩阵。如何从下面的原始图像生成对象点（3D模型），并在检测到的图像中以2D获得相同的点？