目录
报错信息及解决：
cv2.solvePnP 使用例子：
设置初始值效果也不好
cv2.projectPoints 函数效果不好
报错信息及解决：
File "/shared_disk/users/lbg/project/human_4d/nlf_pose/render_demo_pkl2_cal.py", line 236, in <module> success, rotation_vector, translation_vector = cv2.solvePnP(vertices, vertices2d, camera_matrix, dist_coeffs) cv2.error: OpenCV(4.10.0) /io/opencv/modules/calib3d/src/solvepnp.cpp:823: error: (-215:Assertion failed) ( (npoints >= 4) || (npoints == 3 && flags == SOLVEPNP_ITERATIVE && useExtrinsicGuess) || (npoints >= 3 && flags == SOLVEPNP_SQPNP) ) && npoints == std::max(ipoints.checkVector(2, CV_32F), ipoints.checkVector(2, CV_64F)) in function 'solvePnPGeneric'
解决方法：
把所有数据都astype(np.float32)
cv2.solvePnP 使用例子：
import cv2 import numpy as np # 三维物体点在世界坐标系中的坐标 object_points = np.array([ [0, 0, 0], [0, 1, 0], [1, 1, 0], [1, 0, 0] ]).astype(np.float32) # 这些三维点在图像平面上对应的二维像素坐标 image_points = np.array([ [100, 100], [100, 200], [200, 200], [200, 100] ], dtype=np.float64) # 相机的内参矩阵 camera_matrix = np.array([ [1000, 0, 320], [0, 1000, 240], [0, 0, 1] ], dtype=np.float64) # 相机的畸变系数 dist_coeffs = np.zeros((5, 1), dtype=np.float32) # 求解PnP问题 success, rotation_vector, translation_vector = cv2.solvePnP(object_points, image_points, camera_matrix, dist_coeffs) if success: print("旋转向量:") print(rotation_vector) print("平移向量:") print(translation_vector) else: print("求解失败")
设置初始值效果也不好
import cv2 import numpy as np # 假设 vertices 和 vertices2d 已经准备好了 # vertices 是 3D 点集合 (Nx3) # vertices2d 是对应的 2D 点集合 (Nx2) # camera_matrix 是相机内参矩阵 # dist_coeffs 是畸变系数（如果有） # 相机的内参矩阵 f_x = 1000 # 焦距 fx f_y = 1000 # 焦距 fy c_x = 640 # 主点 cx c_y = 360 # 主点 cy camera_matrix = np.array([ [f_x, 0, c_x], [0, f_y, c_y], [0, 0, 1] ]) # 畸变系数（假设无畸变） dist_coeffs = np.zeros(5) # 初始旋转向量（设为零） rvec_init = np.zeros(3) # 初始旋转为零（单位向量） tvec_init = np.zeros(3) # 初始平移为零 # 使用 solvePnP 计算平移并强制旋转为零 success, rvec, tvec = cv2.solvePnP( vertices, # 3D 点 vertices2d, # 对应的 2D 点 camera_matrix, # 相机内参矩阵 dist_coeffs, # 畸变系数 rvec_init, # 初始旋转向量（零） tvec_init, # 初始平移向量（零） useExtrinsicGuess=True # 使用提供的初始旋转和平移 ) # 输出计算结果 print(f"旋转向量 (rvec): {rvec}") print(f"平移向量 (tvec): {tvec}")
cv2.projectPoints 函数效果不好
import cv2 import numpy as np from scipy.optimize import least_squares def project_without_rotation(t, object_points, camera_matrix, dist_coeffs): rvec = np.zeros((3, 1)) # 零旋转 tvec = t.reshape(3, 1) projected, _ = cv2.projectPoints(object_points, rvec, tvec, camera_matrix, dist_coeffs) return projected.reshape(-1, 2) def residual(t, object_points, image_points, camera_matrix, dist_coeffs): projected = project_without_rotation(t, object_points, camera_matrix, dist_coeffs) return (projected - image_points).ravel() # 输入数据：3D点、2D点、相机矩阵、畸变系数 vertices = np.array([...], dtype=np.float32) # 替换为实际3D点 vertices2d = np.array([...], dtype=np.float32) # 替换为实际2D点 camera_matrix = np.array([...], dtype=np.float32) # 替换为实际相机矩阵 dist_coeffs = np.array([...], dtype=np.float32) # 替换为实际畸变系数，可为None # 初始猜测，例如零平移 t_initial = np.zeros(3) # 可选：使用线性解法获取更好的初始值（见注释部分） # 非线性优化 result = least_squares(residual, t_initial, args=(vertices, vertices2d, camera_matrix, dist_coeffs)) t_opt = result.x print("优化后的平移向量:", t_opt)
