双目相机已知内外参求左相机像素对应的右相机的点

假设已知左右相机的内参矩阵、畸变系数和外参矩阵等参数，包括相机的位置、旋转等信息，以及左相机的像素坐标，我们可以通过以下步骤求出左相机像素对应的右相机的点：

1. 首先将左相机的像素坐标转换为归一化平面坐标，即将像素坐标除以焦距并去除畸变。

2. 根据左相机的外参矩阵将归一化平面坐标转换为相机坐标系下的坐标。

3. 根据右相机的外参矩阵将相机坐标系下的坐标转换为世界坐标系下的坐标。

4. 根据右相机的内参矩阵和畸变系数将世界坐标系下的坐标转换为右相机的归一化平面坐标。

5. 根据右相机的焦距和畸变将归一化平面坐标转换为像素坐标，即为左相机像素对应的右相机的点。

代码实现如下：

import numpy as np
import cv2

# 读取左右相机的内参矩阵、畸变系数和外参矩阵等参数
K_l = np.load('K_l.npy')
K_r = np.load('K_r.npy')
D_l = np.load('D_l.npy')
D_r = np.load('D_r.npy')
R = np.load('R.npy')
T = np.load('T.npy')

# 左相机的像素坐标
u_l, v_l = 320, 240

# 将像素坐标转换为归一化平面坐标
x_l = (u_l - K_l[0, 2]) / K_l[0, 0]
y_l = (v_l - K_l[1, 2]) / K_l[1, 1]
r2_l = x_l**2 + y_l**2
x_l *= (1 + D_l[0]*r2_l + D_l[1]*r2_l**2 + D_l[4]*r2_l**3)
y_l *= (1 + D_l[0]*r2_l + D_l[1]*r2_l**2 + D_l[4]*r2_l**3)

# 将归一化平面坐标转换为相机坐标系下的坐标
X_l = np.array([x_l, y_l, 1])
X_c_l = np.dot(np.linalg.inv(K_l), X_l)

# 根据左相机的外参矩阵将相机坐标系下的坐标转换为世界坐标系下的坐标
X_w = np.dot(np.linalg.inv(np.hstack((R, T))), np.hstack((X_c_l, 1)))
X_w = X_w[:3]

# 根据右相机的外参矩阵将世界坐标系下的坐标转换为相机坐标系下的坐标
X_c_r = np.dot(np.hstack((R, T)), np.hstack((X_w, 1)))
X_c_r = X_c_r[:3]

# 将相机坐标系下的坐标转换为右相机的归一化平面坐标
x_r = X_c_r[0] / X_c_r[2]
y_r = X_c_r[1] / X_c_r[2]

# 将归一化平面坐标转换为像素坐标，即为左相机像素对应的右相机的点
u_r = x_r * K_r[0, 0] + K_r[0, 2]
v_r = y_r * K_r[1, 1] + K_r[1, 2]

print('左相机像素坐标：({0}, {1})'.format(u_l, v_l))
print('右相机像素坐标：({0}, {1})'.format(u_r, v_r))

需要注意的是，这里的畸变系数和焦距都是针对归一化平面坐标的，因此在计算时需要先将像素坐标转换为归一化平面坐标。