我将使用此函数产生的值作为计算机视觉任务的真实标签，我将使用模拟数据训练模型并使用 ArUco 的真实世界模型对其进行测试。
我用棋盘校准了我的智能手机相机，得到了 0.95 的重投影误差（我无法得到小于这个值，尝试了所有可能的选项，如 ArUco 和 ChAruco，捕获了数十张图像，过滤掉了坏的，但没有已改进错误）我在某处读到智能手机应该会出现这种情况，如果没有，请告诉我。
现在我将我的 ArUco 标记放置在环境中的某个位置并捕获它的图像，使用 estimatePoseSingleMarker . 绘制轴后，一切看起来都很完美且准确。但是，当我将位姿值与使用相同对象和相机模拟相同环境生成的位姿值进行比较时。这些值实际上是完全不同的，尤其是 z 值。
我 100% 确定我的模拟环境没有错误，所以我推测这个差距是由 ArUco 引起的。
你有什么解决办法吗？如何预测 ArUco 的误差？对于收集的真实标签，还有其他可能的解决方案吗？