Perspective-n-Point（PNP）算法作為計算機視覺中求解相機姿態(tài)的核心技術(shù)，通過已知三維空間點與其在圖像中對應(yīng)二維投影點的關(guān)系，計算相機的旋轉(zhuǎn)矩陣與平移向量，實現(xiàn)從三維世界到二維圖像的坐標映射。這一技術(shù)在相機定位、三維重建、增強現(xiàn)實等領(lǐng)域具有不可替代的作用，尤其在 SLAM（即時定位與地圖構(gòu)建）系統(tǒng)中，PNP 算法是前端視覺里程計估計相機位姿的關(guān)鍵步驟，直接影響后續(xù)地圖構(gòu)建與定位的精度。從早期依賴解析解的 P3P 算法，到如今結(jié)合非線性優(yōu)化的魯棒方法，PNP 算法的演進始終圍繞 “精度提升” 與 “魯棒性增強” 兩大目標，其成果已廣泛支撐起從手機 AR 到自動駕駛的多樣化應(yīng)用需求。本文將系統(tǒng)闡述 PNP 算法的基本原理、求解方法、應(yīng)用場景及技術(shù)挑戰(zhàn)，揭示其在三維坐標映射中的核心價值。

PNP 算法的核心原理建立在透視投影模型之上，其數(shù)學本質(zhì)是求解相機外參以滿足三維點到二維投影的幾何約束。在針孔相機模型中，空間中一點 P 的三維坐標（X,Y,Z）與其圖像投影點 p 的像素坐標（u,v）存在嚴格的映射關(guān)系：通過相機內(nèi)參矩陣 K（包含焦距、主點坐標）與外參矩陣（旋轉(zhuǎn)矩陣 R、平移向量 t），可表示為 p = K (RP + t)。當已知 n 個三維點及其對應(yīng)圖像點時，PNP 算法的目標便是求解 R 與 t，使上述投影關(guān)系的重投影誤差最小化。這一過程可轉(zhuǎn)化為非線性優(yōu)化問題，即最小化所有點的像素距離平方和：Σ||p_i - K (RP_i + t)||2，其中 i 為點的索引。然而，直接求解這一非線性方程往往存在多解或數(shù)值不穩(wěn)定問題，因此需通過解析方法獲取初始解，再經(jīng)迭代優(yōu)化提升精度，這種 “解析 + 優(yōu)化” 的框架成為主流 PNP 算法的共同范式。

PNP 算法的求解方法根據(jù)點數(shù)與數(shù)學模型的差異可分為多個分支，各具適用場景與精度特性。P3P 算法作為最經(jīng)典的解析方法，僅需 3 對對應(yīng)點即可求解相機姿態(tài)，其通過構(gòu)建三角形相似關(guān)系推導(dǎo)出旋轉(zhuǎn)矩陣的解析解，計算效率極高（毫秒級），適用于實時性要求高的場景。但 P3P 存在固有局限：當 3 點構(gòu)成的三角形與相機光心構(gòu)成特定幾何關(guān)系時，可能產(chǎn)生多達 4 個解，需引入第 4 點驗證以確定唯一解；且對噪聲敏感，在圖像點定位誤差超過 1 像素時，姿態(tài)估計誤差會顯著增大。為突破點數(shù)限制，EPnP（Efficient PNP）算法通過將三維點表示為 4 個虛擬控制點的線性組合，將問題轉(zhuǎn)化為求解控制點的圖像投影，從而實現(xiàn)任意 n≥4 點的姿態(tài)估計，其計算復(fù)雜度與點數(shù)無關(guān)，在 SLAM 系統(tǒng)中（如 ORB-SLAM）被廣泛用于實時位姿求解，重投影誤差可控制在 0.5 像素以內(nèi)。