我正在尝试创建不同姿势的物体图像数据集，其中每个图像都用相机姿势（或物体姿势）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) 并使其面向原点。鉴于此信息，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')，我可以在其中定义对象的旋转。即它的倾斜、俯仰和偏航。然后我可以从 (0,0,z') 和 (x,y,z) 计算旋转来给我一个旋转矩阵。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，因为我使用 OpenGL 从 CAD 模型渲染这些，而不是物理移动相机。
同质屏幕坐标 (i,j) 到同质世界坐标 (x,y,z) 之间的单应矩阵映射。
齐次坐标是附加了 1 的法线坐标。所以屏幕坐标中的 (3,4) 是 (3,4,1) 作为齐次屏幕坐标。
如果您有一组齐次屏幕坐标 S 及其关联的齐次世界位置 W。4x4 单应矩阵满足
S * H = 转置（W）
所以它归结为在世界坐标中找到几个特征，您还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，但这不足以完全约束方程，而且无论如何您都必须生成更多的屏幕世界对。因此，我认为不值得您花时间将摄像机位置整合到混音中。
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/