finished

[Fanqyu]

学长你好，在这个函数中，我个人理解pose中是存放的相机在世界坐标系下的位置与姿态，那么第一个cam_xyz应该就是相机坐标系下的坐标了吧，为什么还要经历一次从世界坐标系到相机坐标系的转换呢（cam_xyz = rot @ cam_xyz + trans），或者说是我的理解有问题，想请学姐帮我讲解一下

[liuyuan-pal]

这里是cam_xyz是相机坐标系下，需要转换到世界坐标系下

[Fanqyu]

我明白了，之前忽视了permute把rot转置即求逆了，那我理解的pose中存储的是相机在base坐标下的姿态和相机镜头（i.e. 光线发射点）在cam坐标系中的位置，这样理解对吗？

[liuyuan-pal]

嗯嗯，是的，我这里用的是opencv习惯下的坐标系，旋转平移都是表示从世界坐标系转换到相机坐标系的。x_cam = R @ x_wrd + t

[Fanqyu]

好的，谢谢学长

[liuyuan-pal]

好的，我不是学姐哈，我是男生

[SYSUykLin]

hello同学你好，我想请问一下，NeRF Synthetic数据集在获取外参矩阵的时候，为什么还要乘上一个diag[1, -1, -1]呢？ 在database.py下的类class NeRFSyntheticDatabase(BaseDatabase)的parse_info函数，读取pose文件： ` for frame in img_info['frames']: img_ids.append('-'.join(frame['file_path'].split('/')[1:]))

            pose=np.asarray(frame['transform_matrix'], np.float32)

            R = pose[:3,:3].T
            t = -R @ pose[:3,3:]

            R = np.diag(np.asarray([1,-1,-1])) @ R
            t = np.diag(np.asarray([1,-1,-1])) @ t

            poses.append(np.concatenate([R,t],1))`

正常来说,c2w到w2c就R = $R^T$, T = -RT就行，为什么要多乘一个呢？