相机姿态重访

估计相机相对于观察场景的位置和姿态是计算机视觉中的核心问题，尤其是在相机标定和多传感器系统的上下文中。本文聚焦于平面 Perspective--n--Point 问题，特别强调对标定对象姿态初始估计。我们提出了一种 \texttt{PnP-ProCay78} 算法，将重建误差的经典二次形式与旋转的 Cayley 参数化相结合，并采用最小二乘优化。该方法的关键组件是基于对两个标准向量的重建误差分析所得到的确定性起始点选择，避免了昂贵的解空间搜索过程。实验验证使用了来自高分辨率 RGB 相机和非常低分辨率热相机的集成 RGB--IR 设置中的数据。结果表明，所提出的算法在投影精度上几乎与最优 \texttt{SQPnP} 相同，略高于 \texttt{IPPE}，而两者都是 \texttt{PnP-OpenCV} 中著名的 PnP 求解器。然而，\texttt{PnP-ProCay78} 保持显着更简单的数据结构。此外，对 Cayley 空间中优化轨迹的分析提供了对收敛过程的直观洞察，使该方法在教学角度也具有吸引力。与现有的 PnP 求解器不同，所提出的 \texttt{PnP-ProCay78} 算法将投影误差最小化与分析消除平移的重建误差代理相结合，形成一种几何透明且计算高效的混合代价函数。