Python 是一种高级编程语言，已被广泛应用于计算机视觉和机器学习应用。

相机内参在计算机视觉和机器学习应用中起着重要作用，Python 也提供了强大的库，帮助我们在这方面取得进展。

import numpy as np
# 相机内参矩阵
K = np.array([[955.42, 0, 643.78],
[0, 955.42, 361.29],
[0, 0, 1]])
# 畸变参数
dist = np.array([-0.225, 0.127, -0.015, -0.001, 0])
# 3D 世界坐标
object_points = np.array([[0, 0, 0],
[0, 1, 0],
[1, 1, 0],
[1, 0, 0]])
# 2D 图像坐标
image_points = np.array([[628.33, 389.77],
[615.44, 538.16],
[765.12, 551.05],
[778.01, 402.66]])
# 解决 PnP 问题
retval, rvecs, tvecs = cv2.solvePnP(object_points, image_points, K, dist)

在以上代码中，我们定义了相机内参矩阵和畸变参数。我们还定义了一个包含四个点的 3D 世界坐标数组和它们在图像上的对应 2D 坐标数组。然后，我们用 OpenCV 的 solvePnP 函数来计算旋转向量（$r\_vecs$）和平移向量（$t\_vecs$）。