二维坐标和三维坐标相互转换-Toy模板网

这篇具有很好参考价值的文章主要介绍了二维坐标和三维坐标相互转换。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

原理参考世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换

我的需求是将二维点转换成三维点，旋转三维点，再转换为二维点，此处的旋转跟相机成像的旋转矩阵又没有关系。
假定像素坐标为(u,v)，处理的输入数据是像素坐标，图像坐标为(x,y)，相机坐标为(Xc, Yc)，世界坐标为(Xw, Yw)。
2d坐标转3d,计算机视觉,人工智能
此处忽略dxdy，世界坐标即是所求的三维坐标。
需要说明一下，我做的只是矩阵相乘，比较笨的方法，计算速度也很慢。
在我的代码中，去掉旋转步骤，输入的关键点和输出的关键点一致。文章来源地址https://www.toymoban.com/news/detail-618204.html

def _2D_to_3D_to_2D(camMatrix, zrIfI, rIt, fr, ft, keypoints):
	# camMatrix 是相机内参，此处可忽略
	# zrIfI是zC*r.I*f.I，zC是相机坐标的z轴值，r是旋转矩阵，r.I求旋转矩阵的逆
	# f是焦距矩阵，f.I求焦距矩阵的逆
	# rIt是r.I*t，r.I同上，t为平移向量
	# fr是f * r
	# ft是f * t
	# keypoint是要变换的二维关键点[u,v]、
	# 根据输入的二维关键点手动设置的z值，因为二维转换成三维的z轴是模拟的，
	# 而后续还需转换回二维（无z值），故此处设置成合适值
	zC = 4.5 
	# 旋转值
	sin_ = math.sin(45)
	cos_ = math.cos(45)
	# 输入的关键点是ntu120数据集，该数据集的keypoints有四维
	# 相当于[[[[u,v]]]]，只需改变最后一维，将二维变成三维，
	# 如代码重keypoints.shape[3]+1所示
	pk  = np.zeors(keypoints.shape[0], keypoints.shape[1], keypoints.shape[2