如何将YOLO检测得到的目标bounding box投影映射到房间2D平面上

针对你只需要将检测目标映射到房间2D平面图、无需计算距离的需求，核心是求解摄像头成像画面与2D平面图之间的坐标变换关系，可选用的算法如下：

• 单应性变换（Homography）
  是该场景下最常用、实现门槛最低的方案。操作逻辑为：提前选取至少4组同时出现在摄像头拍摄画面和房间2D平面图上的对应标记点（例如房间墙角、地面固定标识等），通过对应点计算得到3×3的单应性变换矩阵；后续取YOLO输出的行人bounding box底部中点（即行人脚部与地面接触的位置，该点投影误差最小），代入矩阵做变换即可得到2D平面图上的对应坐标。
  实际开发可直接调用OpenCV的cv2.findHomography()接口计算变换矩阵，cv2.perspectiveTransform()接口完成坐标转换，代码量小，精度可满足绝大多数投影需求。
• 逆透视变换（IPM）
  如果你可以提前获取到摄像头的内参（焦距、畸变系数）、外参（安装高度、俯仰角、偏航角、安装位置），可直接通过逆透视变换将摄像头采集的地面区域画面转换为鸟瞰视角，再将转换后的鸟瞰图与已有的房间2D平面图做平移、缩放对齐即可，后续检测到的目标地面点可直接映射到2D平面图坐标。该方案适合不方便采集多组对应标记点的场景，但需要提前完成摄像头标定。
• 仿射变换
  若对投影精度要求不高、摄像头安装俯视角度较大、画面透视畸变不明显，可选择仿射变换。仅需3组对应标记点即可计算变换矩阵，运算效率更高，但仅支持线性的旋转、平移、缩放、剪切变换，无法修正透视畸变，误差高于单应性变换。

内容的提问来源于stack exchange，提问作者Alexender Iotko