Graphics 如何根据连续两帧的投影变换矩阵估计摄像机的姿态？

我正在研究kitti视觉里程计数据集。我使用投影变换来注册两个二维连续帧( ).我想知道这个3*3投影变换矩阵与kitti数据集提供的地面真值姿势之间的关系

该数据集给出了序列的地面真实姿态（轨迹），如下所述：

文件夹“姿势”：

文件夹“poses”包含该项目的地面真实姿势（轨迹） 前11个序列。此信息可用于培训/调整您的 方法。每个文件xx.txt包含一个nx12表，其中N是 这个序列的帧。第i行表示左侧摄影机的第i个姿势 通过3x4变换的坐标系（即z指向前方） 矩阵。矩阵按行对齐顺序存储（第一个条目 对应于第一行），并在第i坐标中取一点 系统并将其投影到第一个（=0）坐标系中。因此 平移部分（第4列的3x1向量）对应于 第i帧中相对于第一帧的左摄像机坐标系 （=0）帧。您的提交结果必须使用相同的数据提供 格式

给定地面真相的一些样本：

1.000000e+00 9.043680e-12 2.326809e-11 5.551115e-17 9.043683e-12 1.000000e+00 2.392370e-10 3.330669e-16 2.326810e-11 2.392370e-10 9.9999E-01-4.440892e-16

9.999978e-01 5.272628e-04-2.066935e-03-4.690294e-02-5.296506e-04 9.9999E-01-1.154865e-03-2.839928e-02 2.066324e-03 1.155958e-03 9.99971E-01 8.586941e-01

9.999910e-01 1.048972e-03-4.131348e-03-9.374345e-02-1.058514e-03 9.999968e-01-2.308104e-03-5.676064e-02 4.128913e-03 2.312456e-03 9.999887e-01 1.716275e+00

9.999796e-01 1.566466e-03-6.198571e-03-1.406429e-01-1.587952e-03 9.999927e-01-3.462706e-03-8.515762e-02 6.193102e-03 3.472479e-03 9.999747e-01 2.574964e+00

9.999637e-01 2.078471e-03-8.263498e-03-1.874858e-01-2.116664e-03 9.999871e-01-4.615826e-03-1.135202e-01 8.253797e-03 4.633149e-03 9.999551e-01 3.432648e+00

9.99943E-01 2.586172e-03-1.033094e-02-2.343818e-01-2.645881e-03 9.999798e-01-5.770163e-03-1.419150e-01 1.031581e-02 5.797170e-03 9.999291335E+00

9.999184e-01 3.088363e-03-1.239599e-02-2.812195e-01-3.174350e-03 9.999710e-01-6.922975e-03-1.702743e-01 1.237425e-02 6.961759e-03 9.998991e-01 5.148987e+00

9.998890e-01 3.586305e-03-1.446384e-02-3.281178e-01-3.703403e-03 9.999605e-01-8.077186e-03-1.986703e-01 1.443430e-02 8.129853e-03 9.998627e-01 6.007777e+00

9.998551e-01 4.078705e-03-1.652913e-02-3.749547e-01-4.231669e-03 9.999484e-01-9.229794e-03-2.270290e-01 1.649063e-02 9.298401e-03 9.998207e-01 6.865477e+00

9.998167e-01 4.566671e-03-1.859652e-02-4.218367e-01-4.760342e-03 9.999347e-01-1.038342e-02-2.554151e-01 1.854788e-02 1.047004e-02 9.997731e-01 7.724036e+00

9.997738e-01 5.049868e-03-2.066463e-02-4.687329e-01-5.289072e-03 9.999194e-01-1.153730e-02-2.838096e-01 2.060470e-02 1.164399e-02 9.997198e-01 8.582886e+00

9.997264e-01 5.527315e-03-2.272922e-02-5.155474e-01-5.816781e-03 9.999025e-01-1.268908e-02-3.121547e-01 2.265686e-02 1.281782e-02 9.996611e-01 9.440275e+00

9.996745e-01 6.000540e-03-2.479692e-02-5.624310e-01-6.345160e-03 9.998840e-01-1.384246e-02-3.405416e-01 2.471098e-02 1.399530e-02 9.995966e-01 1.029896e+01

9.996182e-01 6.468772e-03-2.686440e-02-6.093087e-01-6.873365e-03 9.998639e-01-1.499561e-02-3.689250e-01 2.676374e-02 1.517453e-02 9.995266e-01 1.115757e+01

9.995562e-01 7.058450e-03-2.894213e-02-6.562052e-01-7.530449e-03 9.998399e-01-1.623192e-02-3.973964e-01 2.882292e-02 1.644266e-02 9.994492e-01 1.201541e+01

9.995095e-01 5.595311e-03-3.081450e-02-7.018788e-01-6.093682e-03 9.998517e-01-1.610315e-02-4.239119e-01 3.071983e-02 1.628303e-02 9.993953e-01 1.286965e+01

您的“投影变换”的常用名称是单应。在校准设置中（即，如果您知道相机的视野或焦距，则可以将单应性分解为三维旋转和平移，后者只能按比例进行。分解算法还生成3D平面的法线，从而引入单应性。该算法最多有4个解决方案，其中只有一个在应用其他约束时可行，例如匹配的图像点在摄影机前面三角形化，以及平移的一般方向与已知先验匹配

有关该方法的更多信息，请参阅一篇众所周知的文章。OpenCV中有一个名为的实现