官方文档对该函数的介绍：

bool cv::solvePnP(InputArray objectPoints,InputArray imagePoints,InputArray cameraMatrix,InputArray distCoeffs,OutputArray rvec,OutputArray tvec,bool useExtrinsicGuess = false,int flags = SOLVEPNP_ITERATIVE )

已知匹配的世界坐标系中的3D点和像素平面的上2D点。计算出世界坐标系中的点到相机坐标系中3D点的旋转和平移。

最后一个参数 int flags可以指定用不同的方法求解PnP问题，默认使用SOLVEPNP_ITERATIVE (迭代法)。此外，还可以使用SOLVEPNP_P3P，SOLVEPNP_EPNP等方法。

这里以这三种方法对比：

1. SOLVEPNP_ITERATIVE：只能用四个共面的点来求解。使用列文伯格马夸尔特法迭代求解。
2. SOLVEPNP_P3P：可以使用任意4个特征点求解，不要求共面，特征点数量不为4时报错。参考论文《complete solution classification for perspective-n-point problem》
3. SOLVEPNP_EPNP：只要特征点数量大于3就可求出正解。参考论文《EPnP: Efficient Perspective-n-Point Camera Pose Estimation》

使用四个共面特征点，都计算出了结果，略有差异。

 

 使用四个非共面点，迭代法结果偏了。

 

使用5个特征点，只有EPNP能用。

 

 用时比较，P3P方法耗时最短。

 

 

 参考：

https://www.cnblogs.com/singlex/p/pose_estimation_1_1.html

https://docs.opencv.org/3.4.10/d9/d0c/group__calib3d.html#ga549c2075fac14829ff4a58bc931c033d