经典算法，历久弥新—ORBSLAM的EPnP算法理论与应用

论文： Lepetit V , Fua M N . EPnP: An Accurate O(n) Solution to the PnP Problem[J]. International Journal of输入： 1. n个世界坐标的下的 3 D点，论文中称为 3 D参考点。2. 这n个 3 D点投影在图像上的 2 D坐标 3. 相机内参矩阵 ，包括焦距和主点输出 : 相机的位姿R , t应用：特征点的图像跟踪，需要实时处理有噪声的特征点，对计算精度和效率要求比较高，只需 4 对匹配点即可求解。

以上为PNP算法的数学建模，即根据已知的齐次投影方程，设定合适的损失函数，并求解使损失函数最小的Rt参数，此时Rt即为相机外参。通过拍摄标定板得到的uv像素坐标和人为规定的UVW世界坐标计算内外参矩阵和畸变参数。算法目的：根据空间中三维点以及其在相平面的成像求解此时此刻相机的位姿即相机外参Rt。内参矩阵由相机自身决定，外参矩阵由相机和世界坐标系的相对位置决定。同时，相机拍摄图像存在畸变，需要校正，这是相机标定的第二目的。同时，DLT忽略了旋转矩阵约束，求解R不一定合法。

epnp求解 1、理论部分 2、代码部分（作者牛pi） //对pnp求解后值进行保存 PnPsolver::PnPsolver(const Frame &F, const vector<MapPoint*> &vpMapPointMatches): pws(0), us(0), alphas(0), pcs(0), maximum_number_of_correspondences(0), number_of_correspondences(0), mnInliersi(

https://blog.csdn.net/jessecw79/article/details/82945918(主要) https://www.jianshu.com/p/312cc524b8d1 https://www.cnblogs.com/shang-slam/p/6481344.html https://blog.csdn.net/u010821666/article/detail...

前几天有实习的学弟询问我关于2D-3D匹配点的EPnP的算法原理。一下子问到还真没想起来。看了看资料，回忆起来了，特在这里简单的总结一下。 学弟没看明白的原因，其实就是一些相关的讲解文章一上来就摆出让人生畏的一堆公式。其实个人觉得在目前Epnp算法已经被集成到OpenCV中库函数里面，我们就没必要再去手动实现轮子，因此求解的细节不需要死记，我们只要知道每一步是在干什么就可以了。除非你要研究和改进算法本身，那就直接去阅读原论文是最好的。 如果只是想知道EPNP是怎么个思路和流程，但是高翔的书里没讲，自己网

原文章在此，非常棒

PNP（Perspective-n-Point）问题又称n点透视问题，它是根据摄影测量原理反算图像拍摄时的相机位姿（包括相机位置和方向），主要手段是通过选定图像与物理对象之间对应的特征点，在给定相机内参的条件下反算相机位姿，目前主要的求解方法有3对点估计位姿的P3P、直接线性变换（DLT）、EPNP、UPnP等等，其中P3P和EPNP在OpenCV中直接提供了相关函数。最近的研究内容，需要涉及到相机位姿的计算，然后看网上的资料大多是关于P3P的较多，而对于EPNP的较少，且讲的多为笼统，不利于小白学习。

PnP算法详解PnP概述PnP数学模型PnP求解方法DLT直接线性变换法EPnPEPnP的特点步骤理论推倒1.控制点及齐次重心坐标系2.控制点的选择3.计算控制点在相机坐标系下的坐标4.求解R，t（ICP方法）参考文章 PnP概述 PnP(Perspective-n-Point)是求解3D到2D点的对应方法。它描述了当知道n个3D空间点及其位置，如何估计相机的位姿。如果两张图像中的一张特征点3D位置已知，那么至少需要3个点对(以及至少一个额外验证点验证结果)就可以计算相机的运动。 PnP的应用范围很广比如

论文：EPnP: Accurate Non-Iterative O(n) Solution to the PnP Problem 问题模型 已知世界坐标下的 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iI4Scfrv-1619747086058)(https://www.zhihu.com/equation?tex=n)] 个3D点，以及它们在一张图像上对应的2D像素点，还有相机的内参数。 求解相机坐标系到世界坐标系的 [外链图片转存中…(img-AsDn9nmb-161

首先给出<视觉slam十四讲>中是如何定义PnP: PnP(Perspective-n-point )是求解3D到2D点对运动的方法。它描述了当我们知道n个3D空间点以及它们的投影位置时，如何估计相机所在的位姿。 **这里有两个概念比较重要： 1.3D空间点：指的是物体在世界坐标系下的坐标。 2.投影位置： 指的是物体在图像坐标系下的坐标。** 举一个例子：在空间中有一个立方体（8个顶...

SLAM（Simultaneous Localization and Mapping）中的PNP（Perspective-n-Point）是一个计算机视觉问题，用于估计一个刚体物体相对于相机的姿势。这种技术在SLAM中非常重要，因为它帮助机器人或自动驾驶汽车在环境中定位自己，并构建或更新地图。PNP问题的基本原理是：如果你知道至少三个（通常是三个或更多）空间点在世界坐标系中的位置，以及它们在相机坐标系中的对应投影位置，你就可以计算出相机相对于这些点的位置和方向。这里的“点”可以是环境中的任何显著特征。