如何从图像坐标（z=0）获取世界坐标

核心原理 #

因为拍摄场景是平面（无需Z坐标），可以通过单应性矩阵建立图像坐标与世界坐标的映射关系。单应性矩阵H是一个3×3的矩阵，能实现2D点在两个平面间的投影转换，公式为：
[u, v, 1]^T = H * [X, Y, 1]^T
（其中(u,v)是图像坐标，(X,Y)是世界坐标，^T表示转置）

具体步骤 #

• 第一步：计算单应性矩阵H
  已知4对匹配点（二维码的世界坐标(Xi,Yi)和对应的图像坐标(ui,vi)），4对点刚好满足求解单应性矩阵的最小需求（H有8个自由度）。可以用OpenCV这类库的现成函数直接计算，比如Python中调用cv2.findHomography()，输入参数为世界坐标点集和图像坐标点集，必须保证点的顺序严格一一对应。

• 第二步：转换新物体的图像坐标
  拿到神经网络输出的新物体图像坐标(u,v)后，将其转为齐次坐标[u, v, 1]，对H求逆得到H_inv，再计算：
  [X, Y, 1]^T = H_inv * [u, v, 1]^T
  最后将计算结果的前两个元素除以第三个元素（齐次坐标归一化），得到的就是对应的世界坐标(X,Y)。

• 第三步：验证精度（可选）
  可以用已知的二维码坐标反向验证：把二维码的图像坐标代入转换流程，看输出的世界坐标和已知值是否一致，以此确认H的准确性。

注意事项 #

• 若场景存在轻微平面偏差（比如物体未完全贴平），可以多取几个二维码点（超过4个），用鲁棒性求解方法（如RANSAC）提升H的精度，OpenCV的findHomography()支持RANSAC选项。
• 保证所有点的坐标系一致：图像坐标系原点通常在左上角，世界坐标系原点可自定义，但要统一所有点的参照标准。

内容的提问来源于stack exchange，提问作者Eliška Paulíková