问使用DLT进行姿态估计需要多少个点？

EN

外部方向(或姿势)中只有六个参数，其中三个用于方向，三个用于位置。基本上我们只需要三个点来估计相机的姿态(正如你所说的，每个点给出两个约束)，但是它不会给你一个唯一的解决方案，但是你可以确定你有有限数量的解决方案。

因此，至少有四个点，你就得到了一个独特的解决方案。这是一个需要迭代的非线性问题。

如果你使用具有12个未知数的矩阵，那么你可以线性地解决这个问题，并且你可以找到最接近的旋转矩阵，它不必是正交的。

编辑

如果你使用12个未知数，就像我说的，你只能得到pose =6参数的近似值。因此，它是继DFT求解之后的又一步。

在opencv函数中，我看不到他们在哪里使用密度泛函，检查这个link

解决PnP问题的方法：

CV_ITERATIVE迭代法是基于Levenberg-Marquardt优化的迭代方法。在这种情况下，函数会找到这样一个姿势，它可以最小化重新投影误差，即观察到的投影imagePoints和投影(使用projectPoints() ) objectPoints之间距离的平方和。

CV_P3P方法是基于X.S. Gao，X.-R. Hou，J. Tang，H.-F. Chang的论文“透视三点问题的完全解分类”。在这种情况下，该函数恰好需要四个对象和图像点。

CV_EPNP方法是由F.Moreno-Noguer，V.Lepetit和P.Fua在“EPnP:高效透视n点相机姿态估计”一文中提出的。

编辑

我读了实现，你是对的，他们从DFT开始只是为了初始化摄像机的6个参数，然后他们使用CvLevMarq Class来最小化错误重投影。

当我们只有4个已知的3D-2D对应，即齐次线性方程(8)的数量少于未知参数(12)的数量时，将会有无数的非零解。我们只向迭代求解器提供其中一个可能或可行的解作为初始估计。这个解决方案可以基于一些约束来选择，比如||x||=1，等等。它有意义吗？