两组相机（或三维点）对齐方法介绍及实现代码（求解相似变换，包含旋转R、平移t、尺度s）

  在基于普鲁克分析对两组相机/三维点（已知对应关系）进行相似变换对齐的方法及python代码博客中，也提出了一种对齐两组相机的方法。相比之下，本博客所介绍的方法对两组相机之间的相似性要求较高，它实质上是先通过两组相机之间的旋转来求解两个坐标系之间的旋转关系，然后再通过两组相机之间的平移来求解两个坐标系之间的尺度和平移量。因此，如果两个场景之间的旋转对应关系不够好的话，会导致对齐后的结果出错。但是如果场景之间相似性很好，或者一个场景就是另一个场景通过旋转平移缩放变换得来的，那么该方法就可以求解出正确的结果了。更一般的场景对齐，参见上述提到的普鲁克分析的博客。
  这个变换用于将生成的稀疏重建场景对齐到真值上。由于SfM（Structure from Motion，运动恢复结构）求解的结果是尺度未定的，所以重建场景与真值之间不仅会相差一个旋转与平移，还会存在尺度缩放。待求解的问题可以描述为：已知一组相机（个数为m）的位姿真值R_gt、t_gt和预测位姿R_pred、t