如何在C++中正确实现和使用solvePnP函数？

在C++中，`solvePnP`函数通常用于结构光（Structure from Motion, SfM）或者视觉SLAM（Simultaneous Localization And Mapping）中，它用于将一对或一组特征点（比如来自摄像头的2D图像点和它们对应的3D点）对齐到同一个3D空间中，以求解摄像机的位姿（position and orientation）。这个函数通常在OpenCV库中提供，比如`cv::solvePnP`。

以下是基本的步骤来使用`solvePnP`：

1. **准备数据**：你需要准备两组数据：一组是二维特征点（`std::vector<cv::Point2f>`），另一组是三维点（`std::vector<cv::Point3f>`），并且还需要已经校正过的内参矩阵（`cv::Mat cameraMatrix`）和相应的畸变系数（`cv::Mat distCoeffs`）。

2. **选择方法**：`solvePnP`有多种解决策略，包括P3P、LMedS、Levenberg-Marquardt等。确定你想要使用的策略，例如：

   cv::Mat rvec, tvec;
   int method = cv::SOLVEPNP_ITERATIVE; // 使用迭代方法

3. **调用函数**：

   bool success = cv::solvePnP(objectPoints, imagePoints, cameraMatrix, distCoeffs, rvec, tvec, method);

`objectPoints` 是三维点集合，`imagePoints` 是二维点集合。`rvec`和`tvec`分别存储旋转和平移向量。

4. **检查结果**：
`success`变量会告诉你是否成功解决了PnP问题。如果不是，可能是因为输入数据的问题，也可能是算法本身限制导致的。

5. **应用解**：如果你成功了，`rvec`和`tvec`可以用来变换3D点到新的摄像机动态视角下，或者反过来，变换2D点到世界坐标系。

相关问题：
1. 在哪些情况下`solvePnP`可能会失败？
2. 如何优化`solvePnP`的性能？
3. 如何处理缺失的3D点或错误的2D匹配？