recoverPose
通过2张图像的对应点和本征矩阵，恢复相机旋转和平移矩阵。

cv::recoverPose(InputArray E, InputArray points1, InputArray points2,
        		InputArray cameraMatrix, OutputArray R,
		        OutputArray t, InputOutputArray mask = noArray() )

• E 输入本征矩阵；
• points1 第1帧图片对应的2D点数组，浮点数（单精度或双精度）；
• points2 第二幅图片的二维像素点，与points1同样大小和类型;
• cameraMatrix 相机内参矩阵，注意points1和points2是具有相同内参矩阵的特征点；
• R 恢复的旋转矩阵；
• T 恢复的平移矩阵;
• mask 为points1和points2中的特征点输入/输出掩码。如果不为空，则在points1和points2中标记特征点，此时给定基本矩阵E，只有这些特征点将被用来恢复pose。在输出掩码中，只标记通过完整性检查的特征点。

eg.

recoverPose(E, points1, points2, K, R, T);

参考
Opencv学习（7）——cv::recoverPose()

Recover relative camera rotation and translation from an estimated essential matrix and the corresponding points in two images

包含头文件：

#include <opencv2/calib3d.hpp>

recoverPose（）函数解析

int cv::recoverPose 	( 	InputArray  	E,
		InputArray  	points1,
		InputArray  	points2,
		InputArray  	cameraMatrix,
		OutputArray  	R,
		OutputArray  	t,
		InputOutputArray  	mask = noArray() 
	) 		




Python:
	retval, R, t, mask	=	cv.recoverPose(	E, points1, points2, cameraMatrix[, R[, t[, mask]]]	)
	retval, R, t, mask	=	cv.recoverPose(	E, points1, points2[, R[, t[, focal[, pp[, mask]]]]]	)
	retval, R, t, mask, triangulatedPoints	=	cv.recoverPose(	E, points1, points2, cameraMatrix, distanceThresh[, R[, t[, mask[, triangulatedPoints]]]]	)

在OpenCV中cv::recoverPose()函数主要是用来从本质矩阵中恢复$R,t$

该函数在OpenCV中一共有以下这几种形式：

int recoverPose( InputArray E, InputArray points1, InputArray points2,
                 InputArray cameraMatrix, OutputArray R, OutputArray t,
                 InputOutputArray mask = noArray() );

int recoverPose( InputArray E, InputArray points1, InputArray points2,
                 OutputArray R, OutputArray t, double focal = 1.0,
                 Point2d pp = Point2d(0, 0), InputOutputArray mask = noArray() );

int recoverPose( InputArray E, InputArray points1, InputArray points2,
                 InputArray cameraMatrix, OutputArray R, OutputArray t, 
                 double distanceThresh, InputOutputArray mask = noArray(),
                 OutputArray triangulatedPoints = noArray());

参数介绍：
　　E：已经求解出来的本质矩阵，它是3x3的矩阵；
　　points1：第一张图片中的点；
　　points2：第二张图片中的点；
　　cameraMatrix：相机内参矩阵，它是3x3的矩阵；
　　R：求解出来的两帧图片之间的旋转矩阵；
　　t：求解出来的两帧图片之间的平移向量；
　　focal：相机焦距；
　　pp：像素坐标的原点；
　　distanceThresh：点的距离阈值，用来滤出距离较远的点；
　　triangulatedPoints：通过三角化还原点；

注意：
　　1. 通过该函数求解出来的$R,t$，它表示的是points1到points2的变换，也就是$R_{1to2}$，$t_{1to2}$
　　2.该函数求解出来的$R,t$已经是最合适的$R,t$，已经通过内部的代码去掉了另外三种错误的解
　　3. cv::recoverPose()中points1和points2的输入顺序，必须也要和求本质矩阵时对函数cv::findEssentialMat()输入的顺序相同（可以参考如下例子）

代码示例

//求解两张图片对应的本质矩阵
cv::Mat essential_matrix = cv::findEssentialMat(points1, points2, K,  cv::RANSAC);

//从本质矩阵中恢复R,t
cv::Mat R;
cv::Mat t;
cv::recoverPose(essential_matrix, points1, points2, K, R, t);