官方文檔對該函數的介紹：
bool cv::solvePnP(InputArray objectPoints,InputArray imagePoints,InputArray cameraMatrix,InputArray distCoeffs,OutputArray rvec,OutputArray tvec,bool useExtrinsicGuess = false,int flags = SOLVEPNP_ITERATIVE )
已知匹配的世界坐標系中的3D點和像素平面的上2D點。計算出世界坐標系中的點到相機坐標系中3D點的旋轉和平移。
最后一個參數 int flags可以指定用不同的方法求解PnP問題，默認使用SOLVEPNP_ITERATIVE (迭代法)。此外，還可以使用SOLVEPNP_P3P，SOLVEPNP_EPNP等方法。
這里以這三種方法對比：
- SOLVEPNP_ITERATIVE：只能用四個共面的點來求解。使用列文伯格馬誇爾特法迭代求解。
- SOLVEPNP_P3P：可以使用任意4個特征點求解，不要求共面，特征點數量不為4時報錯。參考論文《complete solution classification for perspective-n-point problem》
- SOLVEPNP_EPNP：只要特征點數量大於3就可求出正解。參考論文《EPnP: Efficient Perspective-n-Point Camera Pose Estimation》
使用四個共面特征點，都計算出了結果，略有差異。
使用四個非共面點，迭代法結果偏了。
使用5個特征點，只有EPNP能用。
用時比較，P3P方法耗時最短。
參考：
https://www.cnblogs.com/singlex/p/pose_estimation_1_1.html
https://docs.opencv.org/3.4.10/d9/d0c/group__calib3d.html#ga549c2075fac14829ff4a58bc931c033d