Halcon3D image_points_to_world_plane详解
分三个部分来聊聊这个算子
一，算子的参数介绍
二，算法的计算过程
三，举例实现
第一部分，算子的介绍
image_points_to_world_plane( : : CameraParam, WorldPose, Rows, Cols, Scale : X, Y)
参数介绍：
CameraParam,：相机内参
WorldPose 世界坐标系，也叫物体坐标系（成像坐标系相对于相机坐标系的位姿）
Rows, Cols,图像上点的像素坐标
比例关系，是投影到mm，还是m
X, Y 物体坐标系下，的坐标。
注：向物体坐标系的投影中，z方向默认是0。单相机成像过程中，深度信息会丢失
第二部分，算法的过程这是重点
通过这张图来看看成像的过程
1，像素点图片跟成像平面的关系，是平行的，参考点变换（由中心向像素00点变化），缩放关系（缩放是指将物理尺寸，通过像素点尺寸和像素值进行了描述）构成。这一部分基本是由算法内部，自动构成的。
2，成像平面与相机中心的距离是焦距f，方向与光轴方向垂直。大小由相机的感光芯片决定。像素图像的大小，也由感光芯片的分辨率决定。在成像平面的成像尺寸，由像素数量和像素尺寸可计算获得。
3，物体坐标系与相机坐标系，成像平面三者的关系，是小孔成像的关系。如果不确定物体坐标系，那么像素点的反向投影，将是一条过相机00点的射线。只有在给定的物体坐标系中，像素点向外的投影才会有具体的值。但 投影后的Z轴方向是无法确定。
4，对于物体坐标系的理解；它的存在是为了更方便的描述物体各部位自己的尺寸关系，更加便捷。玩过机器人都知道，机器人有基座标，在底座的中心，这是机器人的基本参考系，还有工件坐标系，也叫工作台坐标系。在3d视觉中，相机00点就相当于机器人的基座标，pose（物体坐标系，世界坐标系）就是工件坐标系，反理解的就是竟然有这么多的世界坐标系，所以建议理解为物体坐标系。在一个3d模型中，只会有一个相机坐标系。但可以有很多个相机，很多个物体坐标系。