當我們得知兩張圖之間的對應點、相機參數和座標轉換時，我們還可以透過 Triangulation 的到這些對應點的三維座標，與以前數學課程中學過的三角測量基本相同，只是放到了三維空間，並且多了一個投影函數。

如下圖，假設已知兩個藍色的點是對應的（使用前面幾章的特徵點匹配），我們就可以沿著兩個相機的中心連接這兩個點，這樣就可以得到兩條直線，理論上這兩條直線會在三維空間的一點相交，這個點就是我們要找的三維座標。

計算的方法是利用我們前面提過的投影公式：

已知兩組對應點 ，以及剩下的相機參數，我們可以求解 3D 點的座標 。現實中，相機的參數或是對應點的座標都有一些誤差，所以我們想像中的兩條直線不會完全相交，而我們求的解就是讓這兩條直線的距離最小的點。

OpenCV 提供了 cv2.triangulatePoints 的函數，可以很簡單的得到這個三維座標，以下是一個簡單的範例：

def triangulate_points(
    points1, points2, intrinsic, camera_to_world1, camera_to_world2
):
    """
    Args:
        points1: 2D points in the first image (N, 2)
        points2: 2D points in the second image (N, 2)
        intrinsic: Intrinsic matrix of the camera (3, 3)
        camera_to_world1: Camera-to-world matrix of the first image (4, 4)
        camera_to_world2: Camera-to-world matrix of the second image (4, 4)
    """
    assert len(points1) == len(points2)
    
    # Convert camera-to-world to world-to-camera
    world_to_camera1 = np.linalg.inv(camera_to_world1)
    world_to_camera2 = np.linalg.inv(camera_to_world2)
    
    # Compute projection matrix
    P1 = intrinsic @ world_to_camera1[:3, :4]
    P2 = intrinsic @ world_to_camera2[:3, :4]
    
    points_3d = cv2.triangulatePoints(P1, P2, points1.T, points2.T)
    points_3d = points_3d.T
    # From homogeneous (N, 4) to (N, 3)
    return points_3d[:, :3] / points_3d[:, 3:]


def create_point_cloud(points, colors, parent=None):
    # Draw point cloud using the point xyz and colors
    colors = colors.astype(np.float32) / 255.0
    for i in range(len(points)):
        point = scene.visuals.Sphere(radius=0.02, method="latitude", color=colors[i], parent=parent)
        point.transform = scene.transforms.STTransform(translate=points[i])


def main():
    ....    # Previous example

    camera_to_world_est = np.eye(4)
    camera_to_world_est[:3, :3] = R
    camera_to_world_est[:3, 3] = t.ravel()
    
    create_frustum_with_image(rgb1, np.eye(4), color="blue")
    create_frustum_with_image(rgb2, camera_to_world_est, color="blue")
    
    points_3d = triangulate_points(
        points1, points2, intrinsic, np.eye(4), camera_to_world_est
    )
    color = rgb1[points1[:, 1].astype(np.int32), points1[:, 0].astype(np.int32)]
    create_point_cloud(points_3d, color, parent=view.scene)

就可以得到以下的結果：