Perspective-n-Point（PNP）算法作為計(jì)算機(jī)視覺(jué)中求解相機(jī)姿態(tài)的核心技術(shù)，通過(guò)已知三維空間點(diǎn)與其在圖像中對(duì)應(yīng)二維投影點(diǎn)的關(guān)系，計(jì)算相機(jī)的旋轉(zhuǎn)矩陣與平移向量，實(shí)現(xiàn)從三維世界到二維圖像的坐標(biāo)映射。這一技術(shù)在相機(jī)定位、三維重建、增強(qiáng)現(xiàn)實(shí)等領(lǐng)域具有不可替代的作用，尤其在 SLAM（即時(shí)定位與地圖構(gòu)建）系統(tǒng)中，PNP 算法是前端視覺(jué)里程計(jì)估計(jì)相機(jī)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(jìn)始終圍繞 “精度提升” 與 “魯棒性增強(qiáng)” 兩大目標(biāo)，其成果已廣泛支撐起從手機(jī) AR 到自動(dòng)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(chǎng)景及技術(shù)挑戰(zhàn)，揭示其在三維坐標(biāo)映射中的核心價(jià)值。

PNP 算法的核心原理建立在透視投影模型之上，其數(shù)學(xué)本質(zhì)是求解相機(jī)外參以滿足三維點(diǎn)到二維投影的幾何約束。在針孔相機(jī)模型中，空間中一點(diǎn) P 的三維坐標(biāo)（X,Y,Z）與其圖像投影點(diǎn) p 的像素坐標(biāo)（u,v）存在嚴(yán)格的映射關(guān)系：通過(guò)相機(jī)內(nèi)參矩陣 K（包含焦距、主點(diǎn)坐標(biāo)）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(dāng)已知 n 個(gè)三維點(diǎn)及其對(duì)應(yīng)圖像點(diǎn)時(shí)，PNP 算法的目標(biāo)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(guò)程可轉(zhuǎn)化為非線性優(yōu)化問(wèn)題，即最小化所有點(diǎn)的像素距離平方和：Σ||p_i - K (RP_i + t)||2，其中 i 為點(diǎn)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(wèn)題，因此需通過(guò)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(diǎn)數(shù)與數(shù)學(xué)模型的差異可分為多個(gè)分支，各具適用場(chǎng)景與精度特性。P3P 算法作為最經(jīng)典的解析方法，僅需 3 對(duì)對(duì)應(yīng)點(diǎn)即可求解相機(jī)姿態(tài)，其通過(guò)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(jì)算效率極高（毫秒級(jí)），適用于實(shí)時(shí)性要求高的場(chǎng)景。但 P3P 存在固有局限：當(dāng) 3 點(diǎn)構(gòu)成的三角形與相機(jī)光心構(gòu)成特定幾何關(guān)系時(shí)，可能產(chǎn)生多達(dá) 4 個(gè)解，需引入第 4 點(diǎn)驗(yàn)證以確定唯一解；且對(duì)噪聲敏感，在圖像點(diǎn)定位誤差超過(guò) 1 像素時(shí)，姿態(tài)估計(jì)誤差會(huì)顯著增大。為突破點(diǎn)數(shù)限制，EPnP（Efficient PNP）算法通過(guò)將三維點(diǎn)表示為 4 個(gè)虛擬控制點(diǎn)的線性組合，將問(wèn)題轉(zhuǎn)化為求解控制點(diǎn)的圖像投影，從而實(shí)現(xiàn)任意 n≥4 點(diǎn)的姿態(tài)估計(jì)，其計(jì)算復(fù)雜度與點(diǎn)數(shù)無(wú)關(guān)，在 SLAM 系統(tǒng)中（如 ORB-SLAM）被廣泛用于實(shí)時(shí)位姿求解，重投影誤差可控制在 0.5 像素以內(nèi)。