opencv的triangulatePoints函数返回值可以可视化吗？用Matplotlib

是的，你可以使用Matplotlib对`triangulatePoints`函数返回的三维点进行可视化。以下是一个简单的示例代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 定义相机内参矩阵
K = np.array([[1000, 0, 500],
              [0, 1000, 500],
              [0, 0, 1]])

# 定义两个相机的投影矩阵
P1 = np.array([[1, 0, 0, 0],
               [0, 1, 0, 0],
               [0, 0, 1, 0]])
P2 = np.array([[0.866, -0.5, 0, 100],
               [0.5, 0.866, 0, 0],
               [0, 0, 1, 0]])

# 定义两个二维点的坐标
pts1 = np.array([[50, 50],
                 [100, 100],
                 [150, 50]])
pts2 = np.array([[75, 70],
                 [120, 120],
                 [170, 70]])

# 对二维点进行三角化
pts_3d_hom = cv2.triangulatePoints(P1, P2, pts1.T, pts2.T)
pts_3d = cv2.convertPointsFromHomogeneous(pts_3d_hom.T)

# 可视化三维点
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(pts_3d[:, 0, 0], pts_3d[:, 0, 1], pts_3d[:, 0, 2])
plt.show()

在这个示例中，我们先定义了一个相机内参矩阵`K`，以及两个相机的投影矩阵`P1`和`P2`。然后，我们定义了两个二维点的坐标`pts1`和`pts2`，并使用`triangulatePoints`函数进行三角化，得到三维点的齐次坐标`pts_3d_hom`。最后，我们使用`convertPointsFromHomogeneous`函数将齐次坐标转换为欧几里得坐标，并使用Matplotlib进行可视化。

运行上述代码，你会看到一个包含三个点的三维坐标系，其中红色、绿色和蓝色分别表示三个三维点的坐标。