OpenCV投影矩阵分解重构：convertPointsFromHomogeneous断言失败求助

你遇到的断言失败问题，核心是用错了cv::convertPointsFromHomogeneous的使用场景——这个函数是用来处理点集的，而非单个的齐次平移向量。

为什么会触发断言？ #

cv::decomposeProjectionMatrix返回的Td是一个4x1的单通道Mat，形式为[s*t₁, s*t₂, s*t₃, s]^T（其中s是缩放因子）。而cv::convertPointsFromHomogeneous的设计目标是处理多个齐次点组成的集合：

• 它期望输入是N×D或D×N的矩阵，每个行/列对应一个D维的齐次点（比如3D齐次点是4维）。
• 当你直接传入4x1的单通道Mat时，函数会把它解析为4个1维的点，这完全不符合齐次点的最低维度要求（至少2维），因此触发断言检查失败。

正确的处理方式 #

其实根本不需要用convertPointsFromHomogeneous，我们可以直接从Td中计算出3x1的非齐次平移向量：

1. 取出Td的前3个元素（对应缩放后的平移分量）
2. 除以第4个元素（缩放因子s），得到真实的平移向量

代码示例：

cv::Mat T(3, 1, cv::DataType<float>::type);
// 直接计算非齐次平移向量
T.at<float>(0, 0) = Td.at<float>(0, 0) / Td.at<float>(3, 0);
T.at<float>(1, 0) = Td.at<float>(1, 0) / Td.at<float>(3, 0);
T.at<float>(2, 0) = Td.at<float>(2, 0) / Td.at<float>(3, 0);

// 调用重构函数
MatFunc->projectionFromKRt(Kd, Rd, T, newP1);

额外验证（非必要） #

如果你非要用convertPointsFromHomogeneous（完全没必要，只是验证逻辑），需要把Td转换成1x4的行向量（代表1个4维齐次点），让函数能正确识别：

cv::Mat Td_row = Td.t(); // 转置成1x4的行向量
cv::Mat T;
cv::convertPointsFromHomogeneous(Td_row, T);
// 此时T是1x3的行向量，再转置成3x1即可
T = T.t();

但这种方式属于绕远路，直接计算的方式更高效清晰。

内容的提问来源于stack exchange，提问作者anti