如何对计算机视觉中3D转2D投影等复杂计算做单元测试？

除了往返测试，还有几个更直接、精准的测试思路，能明确验证投影/反投影逻辑的正确性：

• 手工计算基准用例
  找一批参数简单、结果可手动推导的3D点，比如：

  • 位于相机光轴上的点：假设相机光心在原点，内参fx=fy=1000，cx=500，cy=500，3D点(0,0,10)的投影结果必然是(500,500)；
  • 位于坐标轴上的点：比如3D点(10,0,10)，投影后x坐标是cx + fx*(x/z) = 500 + 1000*(10/10) = 1500，y坐标是500，这个结果完全确定，直接和代码输出对比即可。
    这类用例能快速定位核心逻辑的错误，比如内参是否正确应用、透视除法有没有漏做。

• 已知变换矩阵的端到端测试
  用明确的相机外参（比如纯平移、纯旋转的简单矩阵），把世界坐标系的3D点先转换到相机坐标系，再手动计算投影结果，和代码的完整流程输出对比。比如外参是沿Z轴平移5单位的矩阵，世界点(0,0,10)转到相机坐标系是(0,0,5)，投影后还是(500,500)；如果外参是绕Y轴转180度，世界点(0,0,10)转到相机坐标系是(0,0,-10)，这时候代码应该能识别出z值为负（点在相机后方），返回异常或标记，而不是算出错误的2D坐标。

• 边界条件专项测试
  专门覆盖极端场景，验证代码的鲁棒性：

  • 3D点在相机成像平面上（z=0）：此时透视除法无意义，代码应抛出错误或返回特定无效值；
  • 3D点在相机后方（z<0）：投影结果不符合视觉逻辑，需确保代码能正确处理这种情况；
  • 非常远的3D点：比如z=1e6，投影结果应趋近于光轴中心，验证浮点运算的稳定性。

• 批量随机点的误差验证
  生成大量随机3D点（覆盖不同位置、深度），用严格的数学实现（比如直接用矩阵乘法+透视除法的numpy代码）作为基准，对比你的业务代码输出的误差。统计误差的均值、最大值，只要误差在浮点精度允许的范围内（比如1e-6以内），就说明逻辑正确。这种方法能覆盖更多边缘场景，避免手工用例的局限性。

往返测试可以作为补充，但上述方法能直接验证单方向的投影/反投影逻辑，不会因为两个方向同时出错而漏检问题。

内容的提问来源于stack exchange，提问作者heth