Python 从全局姿势更改相对摄影机姿势

在OpenCV中，可以使用

recoverPose

功能从跟踪点估算相机的相对旋转和平移，但我试图找出是否可以使用相机在两个连续时间点的位置和方向（如TUM RGB-D数据集中的地面真实数据）执行类似操作其中，在每个时间戳，它们提供相机相对于全局坐标系的平移和方向

显然，可以简单地减去平移值以获得全局相对平移，但我想计算相机从一帧到下一帧的相对旋转和平移，以获得与

recoverPose

类似的结果

我的理解是（从）可以形成一个矩阵，通过4x4矩阵将世界坐标转换为摄像机坐标，其中上部3x3表示摄像机的全局旋转，第4列表示摄像机从全局原点的平移。简单地通过矩阵乘法来解决我的问题是否有效，换句话说，计算C=AB'，其中C是“相对变化”矩阵，A是第二帧的矩阵，B是第一帧的矩阵

我目前拥有的代码是

from pyquaternion import Quaternion
import numpy as np

quatA = Quaternion(x=x2, y=y2, z=z2, w=w2)
quatB = Quaternion(x=x1, y=y1, z=z1, w=w1)

matA = quatA.transformation_matrix
matA[0,3] = tx2
matA[1,3] = ty2
matA[2,3] = tz2

matB = quatB.transformation_matrix
matB[0,3] = tx1
matB[1,3] = ty1
matB[2,3] = tz1

matC = matA * np.linalg.inv(matB)

这段代码运行，但我不知道是否计算出有用的东西

如果这是完全错误的，那么使用OpenCV和Python实现这一点的最佳方法是什么