需要帮助来理解 cv2.unactorPoints() 的错误

Question

我正在尝试使用 OpenCV Python 中的结构光对投影仪和相机中的点进行三角测量。在此过程中，我有一个在相机和投影仪之间一对一匹配的元组列表。我将其传递给 cv2.un DistortedPoints() ，如下所示：

camera_normalizedPoints = cv2.undistortPoints(camera_points, camera_K, camera_d)

但是，python 抛出以下错误，我无法理解该错误的含义。

camera_normalizedPoints = cv2.undistortPoints(camera_points, camera_K, camera_d) cv2.error: /home/base/opencv_build/opencv/modules/imgproc/src/undistort.cpp:312: error: (-215) CV_IS_MAT(_src) && CV_IS_MAT(_dst) && (_src->rows == 1 || _src->cols == 1) && (_dst->rows == 1 || _dst->cols == 1) && _src->cols + _src->rows - 1 == _dst->rows + _dst->cols - 1 && (CV_MAT_TYPE(_src->type) == CV_32FC2 || CV_MAT_TYPE(_src->type) == CV_64FC2) && (CV_MAT_TYPE(_dst->type) == CV_32FC2 || CV_MAT_TYPE(_dst->type) == CV_64FC2) in function cvUndistortPoints

任何帮助是极大的赞赏。

谢谢。

Answer 1

不幸的是，文档并不总是明确说明 Python 中的输入形状，甚至undistortPoints()还没有 Python 文档。

输入点需要是形状为 的数组(n_points, 1, n_dimensions)。因此，如果您有 2D 坐标，它们应该是形状(n_points, 1, 2)。或者对于 3D 坐标，它们应该是 shape (n_points, 1, 3)。对于大多数OpenCV 函数来说都是如此。AFAIK，这种格式适用于所有OpenCV 函数，而一些 OpenCV 函数也接受形状中的点(n_points, n_dimensions)。我发现最好保持所有内容的一致性和格式(n_points, 1, n_dimensions)。

需要明确的是，这意味着四个 32 位浮点 2D 点的数组将如下所示：

points = np.array([[[x1, y1]], [[x2, y2]], [[x3, y3]], [[x4, y4]]], dtype=np.float32)

如果您有一个具有以下形状的数组，(n_points, n_dimensions)您可以使用以下命令扩展它np.newaxis：

>>> points = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
>>> points.shape
(4, 2)
>>> points = points[:, np.newaxis, :]
>>> points.shape
(4, 1, 2)

或与np.expand_dims()：

>>> points = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
>>> points.shape
(4, 2)
>>> points = np.expand_dims(points, 1)
>>> points.shape
(4, 1, 2)

np.transpose()或者根据您的尺寸顺序进行各种排序。例如，如果您的形状是(1, n_points, n_dimensions)，那么您想要将轴 0 与轴 1 交换以获得(n_points, 1, n_dimensions)，因此points = np.transpose(points, (1, 0, 2))将更改轴以首先放置轴 1，然后是轴 0，然后是轴 2，因此新形状将是正确的。

如果您认为这是一种奇怪的点格式，那么如果您只考虑点列表，那么这是合理的，但如果您将点视为图像的坐标，则这是合理的。如果您有图像，则图像中每个点的坐标由一对定义(x, y)，例如：

(0, 0)    (1, 0)    (2, 0)    ...
(0, 1)    (1, 1)    (2, 1)    ...
(0, 2)    (1, 2)    (2, 2)    ...
...

在这里，将每个坐标放入双通道数组的单独通道中是有意义的，这样您就可以获得一个 x 坐标的 2D 数组和 y 坐标的一个 2D 数组，例如：

通道 0（x 坐标）：

0    1    2    ...
0    1    2    ...
0    1    2    ...
...

通道 1（y 坐标）：

0    0    0    ...
1    1    1    ...
2    2    2    ...
...

这就是将每个坐标放在单独通道上的原因。

其他一些需要这种格式的 OpenCV 函数包括cv2.transform()和cv2.perspectiveTransform()，我分别在之前、这里和这里回答了相同的问题。