调用cv2.calibrateCamera报错：objectPoints需为Point3f类型的向量的向量

这个错误我太熟悉了——cv2.calibrateCamera对objectPoints的格式要求特别严格，哪怕结构或者类型差一点都会报这个错。你说已经转了3维但还是不行，大概率是点的组织结构不对，或者类型没完全匹配上，咱们一步步来解决：

核心问题拆解 #

报错信息明确说objectPoints需要是「vector of vectors of points of type Point3f」，翻译成Python的话就是：

• 一个列表，列表中的每个元素对应一张棋盘图的3D点集
• 每个点集必须是numpy.float32类型的N×3数组（N是棋盘内角点的数量）

很多人容易犯的错是：把所有图像的3D点合并成一个大数组，或者点的类型用了int/float64，这些都会触发这个错误。

正确的实现步骤 #

1. 生成单张棋盘的3D基准点 #

首先定义你的棋盘内角点尺寸（比如我假设是8列6行，你要根据自己的棋盘调整），然后生成标准化的3D点（z坐标固定为0，因为棋盘在平面上）：

import numpy as np
import cv2

# 替换成你的棋盘内角点行列数（比如(8,6)表示8个横向角点，6个纵向）
chessboard_size = (8, 6)
# 生成单张图的3D点：N×3的float32数组
objp = np.zeros((chessboard_size[0] * chessboard_size[1], 3), np.float32)
# 填充x,y坐标，z保持0
objp[:, :2] = np.mgrid[0:chessboard_size[0], 0:chessboard_size[1]].T.reshape(-1, 2)

2. 按图像分组收集点 #

对每张棋盘图（chessboard3.jpg、chessboardActual.jpg），检测到角点后，把对应的3D点和2D点分别添加到列表中：

object_points = []  # 存储所有图像的3D点：list of np.ndarray
image_points = []   # 存储所有图像的2D角点：list of np.ndarray

# 遍历你的棋盘图像
for img_path in ["chessboard3.jpg", "chessboardActual.jpg"]:
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 检测棋盘角点
    ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None)
    
    if ret:
        # 可选但推荐：细化角点精度
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
        corners_refined = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
        
        # 关键：把单张图的3D点和2D点分别加入列表
        object_points.append(objp)
        image_points.append(corners_refined)

3. 执行相机标定 #

现在调用calibrateCamera时，参数格式就完全符合要求了：

# 注意这里用灰度图的shape[::-1]，得到的是(宽度, 高度)，和函数要求一致
ret, matrix, dist, rvecs, tvecs = cv2.calibrateCamera(
    object_points,
    image_points,
    gray.shape[::-1],
    None,
    None
)

额外排查点 #

• 确保object_points和image_points的长度一致（每张成功检测角点的图像都对应一对点集）
• 检查所有点的类型：用print(objp.dtype)确认是float32，如果不是，用objp = objp.astype(np.float32)转换
• 确认棋盘内角点尺寸和实际棋盘完全匹配（比如你的棋盘是9×6，就不能写成8×6，否则角点检测会出问题，间接导致标定报错）

内容的提问来源于stack exchange，提问作者w1nter