OpenCV调用BFMatcher匹配摄像头视频时触发断言失败报错

使用ORB特征匹配实现本地参考图像与摄像头实时采集画面的特征匹配时，运行代码抛出如下OpenCV断言错误：

matches = bf.match(des1, des2)
cv2.error: OpenCV(4.6.0) D:\a\opencv-python\opencv-python\opencv\modules\core\src\batch_distance.cpp:275: error: (-215:Assertion failed) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function 'cv::batchDistance'

将输入源替换为本地存储的样例视频时，匹配功能可正常运行；摄像头硬件工作正常，直接通过OpenCV读取并显示摄像头采集画面无异常。
代码中cv2.VideoCapture传入cv2.CAP_DSHOW参数的原因是：不添加该参数时，OpenCV会抛出编解码器不支持的错误。

import cv2
import numpy as np
      
img = cv2.imread("ketchup.jpg",0)
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
orb = cv2.ORB_create()

while(True):
    ret, frame = cap.read()
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)        
    
    kp1, des1 = orb.detectAndCompute(img, None)
    kp2, des2 = orb.detectAndCompute(frame, None)
    
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck = True)
    
    matches = bf.match(des1, des2)
    matches = sorted(matches, key = lambda x:x.distance)
    
    res = cv2.drawMatches(img, kp1, frame, kp2, matches[:10], None, flags=2)
    
    cv2.imshow('frame', res)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

• Python版本：3.7.9
• 操作系统：Windows 7
• 摄像头型号：SCB-0355N

报错触发的核心原因是描述子为空：
orb.detectAndCompute()在输入图像纹理不足、特征点数量为0时，会返回None作为描述子结果。摄像头实时采集的帧可能出现过曝、过暗、无有效纹理（比如对准纯色墙面）的情况，此时des2为None，直接传入bf.match()就会触发类型、维度校验失败的断言错误。
本地样例视频的帧普遍有足够纹理，极少出现描述子为空的情况，因此可以正常运行。

在执行特征匹配前，增加两个描述子的非空校验，当任意一个描述子为空时跳过当前帧的匹配逻辑即可。同时补充摄像头读帧失败的判断，避免空帧传入后续逻辑。修复后的核心循环代码如下：

# 参考图特征可移到循环外只计算一次，减少冗余计算
kp1, des1 = orb.detectAndCompute(img, None)

while(True):
    ret, frame = cap.read()
    if not ret:
        break
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)        
    
    kp2, des2 = orb.detectAndCompute(frame, None)
    
    # 描述子非空校验
    if des1 is None or des2 is None:
        # 无有效特征点时直接显示原始灰度帧
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        continue
    
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck = True)
    
    matches = bf.match(des1, des2)
    matches = sorted(matches, key = lambda x:x.distance)
    
    res = cv2.drawMatches(img, kp1, frame, kp2, matches[:10], None, flags=2)
    
    cv2.imshow('frame', res)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

额外优化提示：参考图是固定输入，其特征点和描述子不需要在循环内重复计算，移到循环外仅初始化一次即可，可明显降低运行时CPU占用。

内容的提问来源于stack exchange，提问作者Oleg Riabov