python - 需要帮助理解 cv2.undistortPoints() 的错误

Question

我正在尝试使用 OpenCV Python 中的结构光对来自投影仪和相机的点进行三角测量。在这个过程中，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.undistortedPoints()，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: 错误: (-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) 在函数 cvUndistortPoints 中

非常感谢任何帮助。

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，undistortPoints() 甚至还没有 Python 文档。

输入点必须是形状为(n_points, 1, n_dimensions) 的数组。所以如果你有二维坐标，它们的形状应该是 (n_points, 1, 2)。或者对于 3D 坐标，它们的形状应该是 (n_points, 1, 3)。 大多数 OpenCV 函数都是如此。据我所知，这种格式将适用于所有 OpenCV 函数，而少数几个 OpenCV 函数也将接受形状为 (n_points, n_dimensions) 的点。我发现最好保持所有内容的一致性并采用 (n_points, 1, n_dimensions) 格式。

为了清楚起见，这意味着四个 32 位浮点 2D 点的数组看起来像:

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

如果你有一个形状为 (n_points, n_dimensions) 的数组，你可以用 np.newaxis 展开它:

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

或使用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)

或根据维度的顺序对 np.transpose() 进行各种排序。例如如果你的形状是 (1, n_points, n_dimensions) 然后你想交换轴 0 和轴 1 得到 (n_points, 1, n_dimensions), 所以 points = np.transpose(points, (1, 0, 2)) 会将轴更改为首先放置轴 1，然后是轴 0，然后是轴 2，因此新形状是正确的。

---

如果您认为这是一种奇怪的点格式，那是因为您只考虑点的列表，但如果您将点视为图像的坐标，则这是合理的。如果你有一张图片，那么图片中每个点的坐标由一对 (x, y) 定义，比如:

(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 channel 数组的单独 channel 中是有意义的，这样您就可以获得一个二维 x 坐标数组和一个二维 y 坐标数组，例如:

channel 0(x 坐标):

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

channel 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 channel 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()，我之前回答过相同的问题，here 和分别为 here。