如何用OpenCV得到无人机拍摄的旋转矩阵和平移向量

要用 OpenCV 得到无人机拍摄的旋转矩阵和平移向量，可以使用以下步骤：

1. 加载照片，并进行特征点检测和匹配。可以使用 SIFT、SURF、ORB 等算法进行特征点检测和匹配。OpenCV 提供了这些算法的实现。

import cv2

# 加载照片
img1 = cv2.imread('img1.jpg')
img2 = cv2.imread('img2.jpg')

# 初始化特征检测器和描述符
detector = cv2.SIFT_create()
matcher = cv2.BFMatcher()

# 检测特征点
kp1, des1 = detector.detectAndCompute(img1, None)
kp2, des2 = detector.detectAndCompute(img2, None)

# 特征点匹配
matches = matcher.match(des1, des2)

2. 对特征点进行三维重建，得到相机的内部参数矩阵和三维点云。可以使用 OpenCV 中的 `cv2.triangulatePoints()` 函数进行三维重建。

# 相机内部参数矩阵
K = np.array([[f, 0, cx],
              [0, f, cy],
              [0, 0, 1]])

# 对特征点进行三维重建
points1 = np.array([kp1[m.queryIdx].pt for m in matches])
points2 = np.array([kp2[m.trainIdx].pt for m in matches])
points1_norm = cv2.undistortPoints(points1.reshape(-1, 1, 2), K, None)
points2_norm = cv2.undistortPoints(points2.reshape(-1, 1, 2), K, None)
points4d = cv2.triangulatePoints(P1, P2, points1_norm, points2_norm)
points3d = cv2.convertPointsFromHomogeneous(points4d.T)

# 将三维点云转换为矩阵形式
points3d_mat = np.zeros((points3d.shape[0], 3))
for i in range(points3d.shape[0]):
    points3d_mat[i] = points3d[i][0]

其中，`f`、`cx` 和 `cy` 分别为相机的焦距和主点坐标，`P1` 和 `P2` 分别为两张照片的投影矩阵，可以使用相机内部参数矩阵和相机外部参数矩阵计算得到。

3. 对相机的位置和姿态进行优化，得到最优的相机外部参数，包括旋转矩阵和平移向量。可以使用 OpenCV 中的 `cv2.solvePnP()` 函数进行优化。

# 优化相机的外部参数
retval, rvec, tvec, inliers = cv2.solvePnPRansac(points3d_mat, points2, K, None)

# 将旋转向量转换为旋转矩阵
R, _ = cv2.Rodrigues(rvec)

其中，`points3d_mat` 和 `points2` 分别为三维点云和对应的像素坐标，`K` 和 `None` 分别为相机的内部参数矩阵和畸变参数，`rvec` 和 `tvec` 分别为相机的旋转向量和平移向量，`R` 为相机的旋转矩阵。

最后得到的 `R` 和 `tvec` 分别为相机的旋转矩阵和平移向量。