pythonopencv的undistortPoints和triangulatePoints函数提供的结果怪异

这个问题有很多可能的原因，但其中一个可能是由于相机校准的不够准确所引起的。

在使用undistortPoints函数进行图像畸变矫正时，应确保输入的内部摄像机参数矩阵和畸变系数都已通过相机校准并得到精确的值。如果您的相机校准不够准确，undistortPoints函数返回的结果可能会与期望的结果有较大差异。

在使用triangulatePoints函数进行三角测量时，您应该使用已经针对您的相机进行了校准的立体摄像机校准结果。使用立体摄像机标定得到的立体摄像机矩阵和立体摄像机畸变系数可以用于计算由两个相互对准的相机拍摄的图像的三维坐标。如果您的相机校准不够准确，triangulatePoints函数返回的结果可能会与期望的结果有较大差异。

以下是一个例子，它演示了如何使用opencv中的calibrateCamera和stereoCalibrate函数来进行相机校准和立体相机校准，并使用undistortPoints和triangulatePoints函数进行图像畸变矫正和三角测量：

import numpy as np
import cv2

# Read in your image files
img1 = cv2.imread('left.png')
img2 = cv2.imread('right.png')

# Define your calibration object and pattern size
pattern_size = (7,5)  # Number of inside corners in x and y directions
obj_points = np.zeros((pattern_size[0]*pattern_size[1],3), np.float32)
obj_points[:,:2] = np.mgrid[0:pattern_size[0],0:pattern_size[1]].T.reshape(-1,2)

obj_points_left = []  # 3d point in real world space
img_points_left = []  # 2d points in image plane
obj_points_right = []  # 3d point in real world space
img_points_right = []  # 2d points in image plane
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER,