让我先给您提供一些背景信息。请考虑以下图片（来自https://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html）：
相机已经“附加”了一个刚性参考框架（Xc，Yc，Zc）。您成功执行的内部校准允许您将点（Xc，Yc，Zc）转换为其在图像上的投影（u，v），并将图像中的点（u，v）转换为射线（Xc，Yc，Zc）（只能获得比例因子）。
实际应用中，您希望将相机放置在外部“世界”参考框架中，我们称之为（X，Y，Z）。然后有一个刚性变换，由旋转矩阵R和平移向量T表示：
|Xc| |X|
|Yc|= R |Y| + T
|Zc| |Z|
这是外参校准（也可以写成4x4矩阵，这就是所谓的外参矩阵）。
现在，下面是答案。要获得R和T，您可以执行以下操作：
固定世界参考系，例如地面可以是（x，y）平面，并选择一个原点。
在这个参考系中设置一些具有已知坐标的点，例如地板上的方形网格中的点。
拍照并获取相应的2D图像坐标。
使用 solvePnP 获取旋转和平移，使用以下参数：
- objectPoints：世界参考系中的3D点。
- imagePoints：与objectPoints顺序相同的图像中对应的2D点。
- cameraMatris：您已经拥有的内部矩阵。
- distCoeffs：您已经拥有的畸变系数。
- rvec，tvec：这些将是输出。
- useExtrinsicGuess：false
- flags：您可以使用CV_ITERATIVE
最后，使用Rodrigues函数从rvec获取R。
您需要至少三个不共线的点和相应的3D-2D坐标才能使用solvePnP（
link），但是更多点会更好。为了获得高质量的点，您可以打印一个大棋盘图案，将其平放在地板上，并将其用作网格。重要的是图案在图像中不要太小（越大，您的校准就越稳定）。
而且，非常重要的是：对于内部校准，您使用了具有特定大小正方形的棋盘图案，但是您告诉算法（对每个模式都进行了某种形式的solvePnPs），每个正方形的大小为1。这虽然不是明确的，但是在示例代码的第10行中完成了此操作，其中网格的坐标为0,1,2,...:
objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2)
外部校准的世界比例必须匹配此比例，因此您有几种可能性：
使用相同的比例尺，例如使用相同的网格或测量您的“世界”平面的坐标以相同的比例尺。在这种情况下，您的“世界”将不会按照正确的比例尺。
建议：使用正确的比例尺重新进行内部校准，例如：
objp[:,:2] = (size_of_a_square*np.mgrid[0:7,0:6]).T.reshape(-1,2)
其中，size_of_a_square是正方形的实际大小。
(尚未完成此操作，但在理论上可行，如果无法完成第2步，请执行此操作)通过缩放fx和fy来重用内部校准。这是可能的，因为相机只看到一个比例因子内的所有内容，并且声明的正方形大小仅更改fx和fy（每个正方形的姿势中的T也会更改，但那是另一回事）。如果实际正方形的大小为L，则在调用solvePnP之前将fx和fy替换为Lfx和Lfy。
