从相机外参中获取translation、rotation并完成旋转矩阵转四元数——carla-ubuntu18.4

        在使用carla过程中有获取其相机内外参和从相机外参中获取translation、rotation并完成旋转矩阵转四元数的需求，记录一下过程。

        先上代码说明如何从相机外参中获取translation、rotation并完成旋转矩阵转四元数：

import numpy as np
from scipy.spatial.transform import Rotation as R

############         4*4的相机外参矩阵        ##########      
a=np.mat([[-6.81184744e-03 ,-9.99976814e-01,2.62450999e-06,1.09513466e+02],
         [ 9.99976695e-01,-6.81184791e-03,-5.41681657e-04,5.17240524e+01],
         [ 5.41686954e-04,-1.06540392e-06,9.99999881e-01,2.40255165e+00],
         [ 0.00000000e+00,0.00000000e+00,0.00000000e+00,1.00000000e+00]])

############         分离出translation和rotation        ##########    
a3=a[[0,1,2]]
a33=a3[:,[0,1,2]]
a34=[a[0,3],a[1,3],a[2,3]]
a33=list
print(a33) #rotation
print(a34) #translation

############         旋转矩阵rotation转四元数        ##########   
r = R.from_matrix(a33)
qua = r.as_quat()
print(qua)

知识拓展：什么是相机内外参？

        想理解内外参数，得先介绍几个坐标系，为什么是几个坐标系呢？以拍照为例，一个简单的拍照其实省略了很多坐标变换关系。为了方便研究，前人定义了世界坐标系，相机坐标系，图像坐标系，像素坐标系来剥离这些变换关系。

1. 世界坐标系：xyz笛卡尔坐标系，“世界”顾名思义这个坐标系全局唯一，一切三维物体都以它作为坐标系。
2. 相机坐标系：xyz笛卡尔坐标系，在世界坐标系下建立的，相当于抽象化的针孔相机模型，以主轴为Z轴，小孔所在平面为xoy面，全局不唯一，几台相机就有几个相机坐标系。
3. 图像坐标系：xy笛卡尔坐标系，在相机坐标系下建立的，以主点为原点，在成像平面上定义的坐标系。主点是指针孔相机主轴与成像平面的交点。
4. 像素坐标系：xy笛卡尔坐标系，与图像坐标系重合但原点不同，该坐标系原点通常位于左上角，之前的坐标系都以物理尺寸做为单位，而像素坐标系以像素为单位，它上面的点等同于图像上的像素。

外参数（[R|t]）描述世界坐标系与相机坐标系的变换关系，参数包括：旋转R，平移T。

内参数（K）描述相机坐标系，图像坐标系，像素坐标系之间的变换关系，参数包括主点坐标，焦距，单位像素宽与高。

稍微详细一点来说：

关于相机内外参的知识还有很多，以上也基本都是从其他地方转载抄录过来的，更多知识可以点击以下几个链接学习：

一文带你搞懂相机内参外参(Intrinsics & Extrinsics)

模型 16个相机参数（内参、外参、畸变参数）

多视图几何基础——深入理解相机内外参数

摄像机标定后 标定出的内外参数下一步该怎么用