2D 像素坐标到 3D 世界坐标使用 opencv solvePnP

如何解决2D 像素坐标到 3D 世界坐标使用 opencv solvePnP

我看到很多类似的问题，但不是这个。

我知道：

• 像素坐标 (u,v) 和深度 (d) - 4 点
• 对应的世界坐标 (x,y,z) - 4 点
• 相机的内在矩阵K（我还没有校准，但使用了相机的默认矩阵）
• 外在矩阵 [R|t]（我称其为 4x4 版本 M_ext）
• 从世界坐标点X（3D）到像素坐标点p（2D）的转换

我不知道：

• 从像素坐标点p（2D）+深度d到世界坐标点X（3D）
的转换

0。获取外部矩阵：

为了得到外在矩阵，我使用了 opencvs 函数 solvePnP：

ret,rvec,tvec = cv.solvePnP(world_points,img_points,K,np.float32([]),cv.soLVEPNP_IPPE)

我使用上面的旋转和平移向量 ( Rt = np.hstack((cv.Rodrigues(rvec)[0],tvec))) 得到外在矩阵 [R|t]。

我想应用这两个转换来验证我的外在矩阵是正确的。

1.世界坐标指向像素坐标：

camera_coordinates = K * M_ext * world_coordinates 
u = camera_coordinates[0] / camera_coordinates[2]
v = camera_coordinates[1] / camera_coordinates[2]

这个转换有效，我的像素坐标u、v是正确的。

2.像素坐标 + 深度到世界坐标点：

camera_coordinates = ( inv(K) * [u,v,1] ) * d
world_coordinates = inv(M_ext) * [camera_coordinates,1]

这种逆转换不会产生我的世界坐标点。有没有人看到我的错误在哪里？