把归一化的结果转化成Float32类型的ndarray数据

可以使用NumPy库将归一化的结果转化为Float32类型的ndarray数据。以下是一个示例代码：

import numpy as np

# 假设normalized_data是归一化的数据，类型为ndarray
normalized_data = np.array([0.2, 0.4, 0.6, 0.8])

# 将归一化的数据转化为Float32类型的ndarray数据
float32_data = normalized_data.astype(np.float32)

print(float32_data)

运行代码后，输出结果如下：

[0.2 0.4 0.6 0.8]

这样，归一化的结果就被转化为了Float32类型的ndarray数据。

相关问题

可以解决AttributeError: 'numpy.ndarray' object has no attribute 'queryIdx问题吗，这部分的代码是def matched_points(K, img_depth1, img_depth2, keypoint1, keypoint2, good_matches): # 测试图像特征点坐标列表(->int) points1 = np.array([list(keypoint1[x.queryIdx].pt) for x in good_matches]).astype(int) # 样本图像特征点坐标列表(->int)，PnP 3D-2D中的2D points2 = np.array([list(keypoint2[x.trainIdx].pt) for x in good_matches]).astype(int) points_3d1 = [] points_3d2 = [] # shape函数是Numpy中的函数，它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度 for i in range(points1.shape[0]): depth1 = img_depth1[points1[i][1], points1[i][0]] # 深度信息，由于imread得到宽高顺序，所以1,0 depth2 = img_depth2[points2[i][1], points2[i][0]] if depth1 == 0 or depth2 == 0: # 没有读取到深度->bad depth continue # 坐标转化为归一化坐标 point1 = pixel2cam(points1[i], K) point2 = pixel2cam(points2[i], K) # 读取深度，这里除以5000不太清楚是固定步骤还是说可改参数( dd1 = point1 / 5000.0 dd2 = point2 / 5000.0 points_3d1.append([point1[1] * dd1, point1[0] * dd1, dd1]) # 世界坐标系坐标 points_3d2.append([point2[1] * dd2, point2[0] * dd2, dd2]) # 相机图像坐标系坐标 points_3d1 = np.array(points_3d1).astype(np.float64) points_3d2 = np.array(points_3d2).astype(np.float64) return points_3d1, points_3d2

这个问题可能是因为good_matches中的元素类型不是cv2.DMatch，而是numpy.ndarray。可以在函数调用之前将其转换为cv2.DMatch类型。

修改代码如下：

def matched_points(K, img_depth1, img_depth2, keypoint1, keypoint2, good_matches):
    # 将good_matches转换为cv2.DMatch类型
    good_matches = [cv2.DMatch(*match) for match in good_matches]

    # 测试图像特征点坐标列表(->int)
    points1 = np.array([list(keypoint1[x.queryIdx].pt) for x in good_matches]).astype(int)
    # 样本图像特征点坐标列表(->int)，PnP 3D-2D中的2D
    points2 = np.array([list(keypoint2[x.trainIdx].pt) for x in good_matches]).astype(int)

    points_3d1 = []
    points_3d2 = []

    for i in range(points1.shape[0]):
        depth1 = img_depth1[points1[i][1], points1[i][0]]  # 深度信息，由于imread得到宽高顺序，所以1,0
        depth2 = img_depth2[points2[i][1], points2[i][0]]
        if depth1 == 0 or depth2 == 0:  # 没有读取到深度->bad depth
            continue
        # 坐标转化为归一化坐标
        point1 = pixel2cam(points1[i], K)
        point2 = pixel2cam(points2[i], K)
        # 读取深度，这里除以5000不太清楚是固定步骤还是说可改参数(
        dd1 = depth1 / 5000.0
        dd2 = depth2 / 5000.0
        points_3d1.append([point1[1] * dd1, point1[0] * dd1, dd1])  # 世界坐标系坐标
        points_3d2.append([point2[1] * dd2, point2[0] * dd2, dd2])  # 相机图像坐标系坐标

    points_3d1 = np.array(points_3d1).astype(np.float64)
    points_3d2 = np.array(points_3d2).astype(np.float64)

    return points_3d1, points_3d2