图像和深度缩放

Question

为了估计给定rgb图像的物体或人体的3D姿态，最近，我们正在图像上的地面真相关键点和这些关键点的深度上对CNN进行训练。我阅读了许多有关培训和可用数据集的论文。我正在使用统一性创建自己的数据集。但无法理解如何将世界空间的深度转换为图像空间（像素空间），从而保持长度比例和线条角度。透视投影完全破坏了长度比和角度。弱透视投影（假定比例因子）效果很好，但仍无法准确保留比率和角度。建议任何可解释此深度图的论文。谢谢