从全局姿势更改相对摄影机姿势

Question

在OpenCV中，可以使用recoverPose函数从跟踪点估算相机的相对旋转和平移，但我试图找出是否可以使用相机在两个连续时间点的位置和方向进行类似的操作，例如TUM RGB-D数据集中的地面真实数据（https://vision.in.tum.de/data/datasets/rgbd-dataset/file_formats）其中，在每个时间戳，它们提供相机相对于全局坐标系的平移和方向

很明显，可以简单地减去平移值来获得全局相对平移，但我想计算相机从一帧到下一帧的相对旋转和平移，以获得与recoverPose类似的结果

我的理解是（从https://docs.opencv.org/3.4/d9/d0c/group__calib3d.html#ga40919d0c7eaf77b0df67dd76d5d24fa1）可以形成一个矩阵，通过4x4矩阵从世界坐标转换到相机坐标，其中上部3x3表示相机的全局旋转，第4列表示相机从全局原点的平移。简单地通过矩阵乘法来解决我的问题是否有效，换句话说，计算C=AB'，其中C是“相对变化”矩阵，A是第二帧的矩阵，B是第一帧的矩阵

我目前拥有的代码是

from pyquaternion import Quaternion
import numpy as np

quatA = Quaternion(x=x2, y=y2, z=z2, w=w2)
quatB = Quaternion(x=x1, y=y1, z=z1, w=w1)

matA = quatA.transformation_matrix
matA[0,3] = tx2
matA[1,3] = ty2
matA[2,3] = tz2

matB = quatB.transformation_matrix
matB[0,3] = tx1
matB[1,3] = ty1
matB[2,3] = tz1

matC = matA * np.linalg.inv(matB)

这段代码运行，但我不知道是否计算出有用的东西

如果这是完全错误的，那么使用OpenCV和Python实现这一点的最佳方法是什么