基于OpenCV solvePnP从向量获取正确相机位姿的问题

1. Maya与OpenCV的坐标系向上轴差异 #

Maya默认采用Y轴向上的右手世界坐标系，而OpenCV的相机坐标系是右手系：X轴向右，Y轴向下，Z轴指向相机前方（远离相机的方向）。OpenCV本身没有固定的"世界坐标系向上轴"定义，但在使用solvePnP时，必须保证输入的3D点坐标系与期望的输出坐标系对齐。如果直接使用Maya导出的3D点，需要先将Y轴坐标取反（因为OpenCV的Y轴向下），或者调整后续旋转/平移参数的转换逻辑，否则会出现轴方向不匹配的问题。

2. 从rvecs/tvecs转换为Maya风格的Rx/Ry/Rz和平移参数 #

步骤1：旋转向量转旋转矩阵 #

先用OpenCV的Rodrigues函数将solvePnP输出的旋转向量（rvec）转换为3x3旋转矩阵：

import cv2
import numpy as np
rvec = ...  # solvePnP输出的旋转向量
R, _ = cv2.Rodrigues(rvec)

步骤2：对齐坐标系 #

由于Maya和OpenCV的Y轴方向相反，需要先调整旋转矩阵和平移向量：

R_adjusted = R.copy()
R_adjusted[1, :] *= -1  # 反转旋转矩阵的Y轴分量
tvec_adjusted = tvec.copy()
tvec_adjusted[1] *= -1  # 反转平移向量的Y分量

步骤3：计算相机平移参数（Tx/Ty/Tz） #

solvePnP输出的tvec是世界坐标系到相机坐标系的平移向量，而Maya中的Tx/Ty/Tz是相机中心在世界坐标系中的位置，两者关系为：

# 相机中心在世界坐标系中的位置T = -R^T * tvec
T = -np.dot(R_adjusted.T, tvec_adjusted).flatten()
Tx, Ty, Tz = T[0], T[1], T[2]

步骤4：旋转矩阵转欧拉角（Rx/Ry/Rz） #

Maya默认采用Z-Y-X顺序的欧拉角（先绕Z轴旋转Rz，再绕Y轴旋转Ry，最后绕X轴旋转Rx），可以用scipy工具类实现转换：

from scipy.spatial.transform import Rotation as Rot
rot = Rot.from_matrix(R_adjusted)
# 按zyx顺序获取欧拉角，单位为度
rz, ry, rx = rot.as_euler('zyx', degrees=True)
# 对应Maya的Rx/Ry/Rz
Rx, Ry, Rz = rx, ry, rz

若没有scipy，也可手动实现旋转矩阵转欧拉角，但需注意处理万向锁问题。

3. solvePnP的实现细节查看 #

OpenCV的Python版solvePnP是对C++核心实现的封装，所有逻辑都在OpenCV的开源代码中：

• 核心实现位于modules/calib3d/src/solvepnp.cpp文件，包含了多种求解算法（如EPnP、P3P、迭代优化法等），可直接查看该文件了解具体求解步骤和数学原理。
• 官方文档也有原理说明：它通过最小化3D点到2D图像点的重投影误差求解相机外参，输入至少4组非共面的3D-2D对应点即可得到唯一解；若点共面，也可通过平面PnP算法求解。

内容的提问来源于stack exchange，提问作者nasun