PNP（Perspective-n-points）是SLAM中估計位姿的重要方法。已知條件為路標點在相機1中的相機坐標以及投影到相機2中的像素坐標，據此去估計相機1、相機2間的位姿。主要解法包括DLT、P3P、EPNP

P3P

已知A、B、C在相機1坐標系下的坐標，以及在相機2對應的像素坐標，P3P可以根據三角形相似原理計算出在相機2中的相機坐標。
隨后對相機1、相機2使用ICP算法即可求出相機間的位姿變換。
?
P3P存在的問題：
（1）只使用3對點，當匹配的點的數量大于3的時候，很難有效利用信息（RANSAC不行嗎？）。
（2）如果3D-2D點間出現誤匹配，則該算法失效。
?

DLT

DLT（direct line transform），構建路標點的世界坐標與歸一化坐標間的方程，其中[R |t]包含12個變量，一組匹配點提供2對約束。因此需要6對3D-2D匹配點。通過SVD分解進行求解。

?

EPNP

需要4對不共面的（對于共面的情況只需要3對）3D-2D匹配點，是目前最有效的PnP求解方法。
在空間中尋找4個不共面的控制點，用他們的權重之和來表示空間中的任意3D點。
??通常選取世界坐標下的四個控制點坐標為Cw=[0,0,0,1]T, [1,0,0,1]T,[0,1,0,1]T,[0,0,1,1]T。可以同時利用N個3D-2D點的匹配關系建立方程。通過計算控制點的相機坐標，線性組合出路標點的相機坐標。其中線性組合的權重通過一個誤差約束（控制點在世界坐標中、相機坐標中的歐氏距離相等）獲得。隨后使用ICP算法求解出相機間的位姿變換。
??EPNP最大的優勢為：可以同時利用N對點的匹配信息，獲得路標點的相機坐標。
??在ORB_SLAM2中，使用RANSAC+EPNP算法求解出相機間的位姿變換。大致步驟是：使用RANSAC隨機選取4組匹配點，然后使用EPNP求解相機位姿，隨后計算內點數量。保存內點數量最多的時候對應的R，t。

總結

以上是生活随笔為你收集整理的视觉SLAM中PNP求解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。