我正在尝试创建一个不同姿势的对象图像数据集，其中每个图像都用相机姿势（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置在原点，并将相机放置在已知位置（x，y，z），使其面向原点。给定这些信息，我如何计算相机或对象的姿势（旋转矩阵）。
我有一个想法，那就是有一个参考坐标，即（0,0，z'），在那里我可以定义对象的旋转。即其倾斜、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？
顺便说一句，我知道相机的世界位置，因为我用OpenGL从CAD模型中渲染这些，而不是物理地移动相机。
单应矩阵在齐次屏幕坐标（i，j）到齐次世界坐标（x，y，z）之间映射。
齐次坐标是附加了1的法线坐标。因此，屏幕坐标中的（3，4）是（3，4,1）作为齐次屏幕坐标。
如果你有一组齐次屏幕坐标S及其相关的齐次世界位置W。4x4单应矩阵满足
S*H=转置（W）
因此，它可以归结为在世界坐标中找到几个特征——你也可以识别屏幕坐标中的i，j位置，然后做一个"最佳拟合"单应性矩阵（openCV有一个函数findHomography）
虽然知道相机的xyz提供了有用的信息，但这还不足以完全约束等式，而且无论如何你都必须生成更多的屏幕世界对。因此，我认为你不值得花时间将相机的位置整合到组合中。
我在这里做了一个类似的实验：http://edinburghhacklab.com/2012/05/optical-localization-to-0-1mm-no-problemo/