Änderungen des Python-Ergebnisses während der Berechnung von cv2.Rodrigues

Wenn ich renne:

import numpy as np
import cv2

def changes():
    rmat=np.eye(4)
    tvec=np.zeros(3)
    (rvec, jacobian)=cv2.Rodrigues(rmat)
    print rvec

for i in range(2):
    changes()

Ich bekomme:

[[6.92798859e-310]
 [2.19380404e-316]
 [1.58101007e-322]]
[[0.]
 [0.]
 [0.]]

Also das Ergebnis von changes()Änderungen.

Ich verstehe nicht, warum das so ist, und die Tatsache, dass es sich nicht mehr ändert, wenn die tvec=np.zeros(3)Zeile auskommentiert wird, lässt mich das Gefühl haben, dass dies ein Fehler im System ist.

Dies ist sehr wahrscheinlich ein nicht initialisiertes Array, wie es von zurückgegeben wird np.empty. Dies kann zusammen mit dem Speicherrecycling zu dem Effekt führen, den Sie sehen. Ein minimales Beispiel wäre:

for a in range(5):
    y = np.empty(3,int)
    x = (np.arange(3)+a)**3
    print(x,y)
    del x

# [0 1 8] [94838139529536              0              0]
# [ 1  8 27] [0 1 8]
# [ 8 27 64] [ 1  8 27]
# [ 27  64 125] [ 8 27 64]
# [ 64 125 216] [ 27  64 125]

Beobachten Sie, wie bei der ersten Iteration yMüll und bei jeder nachfolgenden Iteration der Wert der vorherigen Iteration enthalten ist, xda ihr der zuvor freigegebene Speicher zugewiesen wurde.

Wir können leicht überprüfen, ob im ursprünglichen Beispiel auch das vorherige tvecauftaucht:

def changes():                              
    rmat=np.eye(4)                      
    tvec=np.array([4,0.0,2.5])
    (rvec, jacobian)=cv2.Rodrigues(rmat)
    print(rvec)

for i in range(3):                    
    changes()                               

# [[4.6609787e-310]
#  [0.0000000e+000]
#  [0.0000000e+000]]
# [[4. ]
#  [0. ]
#  [2.5]]
# [[4. ]
#  [0. ]
#  [2.5]]

Wir können weiter spekulieren, dass es die eigentümliche Wahl ist rmat, die den Fehler auslöst.

Es ist wahrscheinlich ein Fehler, der überhaupt eye(4)akzeptiert wird, weil offiziell rmat3x1 1x3 oder 3x3 sein sollte. In der Tat wird eine 1D rmatohne 3 Elemente vom Python-Wrapper korrekt abgelehnt. Mein Verdacht ist, dass 2D-Regeln auf Python-Ebene nicht richtig überprüft werden. Der C-Code erkennt dann, dass die falsche Form nichts anderes tut, als einen Fehlercode zurückzugeben, auf den der Python-Code nicht prüft.

In rmat=eye(3)der Tat verschwindet die Verwendung eines Effekts:

def changes():
    rmat=np.eye(3)
    tvec=np.array([4,0.0,2.5])
    (rvec, jacobian)=cv2.Rodrigues(rmat)
    print(rvec)

for a in range(3):
    changes()

# [[0.]
#  [0.]
#  [0.]]
# [[0.]
#  [0.]
#  [0.]]
# [[0.]
#  [0.]
#  [0.]]

Auf jeden Fall ist es ein Fehler in der Rodrigues-Funktion ...

Wenn Sie das entsprechende Dokument lesen , sehen Sie möglicherweise, dass cv2.Rodrigueses zwei verschiedene Schnittstellen hat:

Eine, die die C ++ - Schnittstelle nachahmt, bei der der Rotationsvektor (und optional der Jacobi) als Referenz übergeben und von der Funktion geändert werden

cv2.Rodrigues(src, dst[, jacobian]) --> None

und eine (mehr Pythonic), bei der der Rotationsvektor und der Jacobi als Tupel zurückgegeben werden

cv2.Rodrigues(src) --> dst, jacobian

Wenn Sie die erste Schnittstelle verwenden, verschwindet die pb ...

import numpy as np
import cv2

def changes():                              
    rmat=np.eye(4)                      
    tvec=np.zeros(3)
    #(rvec, jacobian)=cv2.Rodrigues(rmat)
    cv2.Rodrigues(rmat, tvec)
    print(tvec)

for i in range(2):                    
    changes()

Ergebnis:

[0. 0. 0.]
[0. 0. 0.]

BEARBEITEN nach weiterer Untersuchung:

Die Funktion ist erwartungsgemäß noch fehlerhafter : Bei Verwendung der ersten Schnittstelle werden die Parameter dstund jacobiannicht geändert, was in völligem Widerspruch zur Dokumentzeichenfolge steht:

>>> help(cv2.Rodrigues)
Help on built-in function Rodrigues:

Rodrigues(...)
    Rodrigues(src[, dst[, jacobian]]) -> dst, jacobian
    .   @brief Converts a rotation matrix to a rotation vector or vice versa.
    .   
    .   @param src Input rotation vector (3x1 or 1x3) or rotation matrix (3x3).
    .   @param dst Output rotation matrix (3x3) or rotation vector (3x1 or 1x3), respectively.
    .   @param jacobian Optional output Jacobian matrix, 3x9 or 9x3, which is a matrix of partial
    .   derivatives of the output array components with respect to the input array components.

Mit anderen Worten, dies erfordert eindeutig einen Fehlerbericht ...