solvepnp参数获取

(1)上参数：

solvePnP()具体参数：

objectPoints：特征点的世界坐标（3d点），坐标值需为float型，不能为double型，可以为mat类型，也可以直接输入vector（用vector<Point3f>,用.push_back输入值）(世界坐标一般自己定义，坐标中点是需要测距的点，所以特征点可以用.push_back(Point3f(-12.0f,+3.0f,0))来定义，这里的-12和+3是物体实际的长宽的一半，就是特征点的实际坐标，之后输出的距离和这个值单位相同)

imagePoints：特征点在图像中的像素坐标（2d点），可以输入mat类型，也可以直接输入vector（用vector<Point3f>,用.push_back输入值），注意输入点的顺序要与前面的特征点的世界坐标一一对应

cameraMatrix：相机内参矩阵

distCoeffs：相机的畸变参数【Mat_(5, 1)】

rvec：输出的旋转向量

tvec：输出的平移向量

useExtrinsicGuess： 用于SOLVEPNP迭代的参数。如果为true（1），函数使用提供的rvec和tvec值分别作为旋转和平移向量的初始近似，并进一步优化它们。默认值为False。

flags：PnP的计算方法

参考：

一文了解PnP算法，python opencv中的cv2.solvePnP()的使用，以及使用cv2.sovlePnP()方法标定相机和2D激光雷达_星空-CSDN博客_pnp算法

Opencv学习（11）——PNP求解函数solvePnP（）_xiaohu的博客-CSDN博客_opencv pnp

(2)对于内参矩阵和畸变参数，用相机标定获取，这里使用matlab工具，具体见：Matlab 单目相机标定(记录)_m0_59811767的博客-CSDN博客

结果长这样：

里面的RadialDistortion对应k1，k2，k3设置为0了。 
TangentialDistortion对应p1，p2。 
IntrinsicMatrix对应内参，注意这个和OpenCV中是转置的关系，注意不要搞错

 内参矩阵按顺序填入(记得转置)：3*3的

Mat camMatrix = (Mat_<double>(3, 3) << 761.0430, 0, 322.6650, 0,760.6892,268.4953, 0, 0,1.0000);

参考：Matlab 摄像机标定+畸变校正（新版本MATLAB）_开源节流-CSDN博客_matlab摄像头标定

畸变参数：

总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2)

OpenCV中的畸变系数的排列（这点一定要注意k1，k2，p1，p2，k3），千万不要以为k是连着的。

上面的径向畸变RadialDistortion只有K1K2两个参数，K3设为0了

那么依次放入

Mat distCoeff = (Mat_<double>(5, 1) <<-0.5730,0.4621,0,0,0);