points1 = np.array([list(keypoint1[x.queryIdx].pt) for x in good_matches]).astype(int) AttributeError: 'numpy.ndarray' object has no attribute 'queryIdx'

这个错误可能是因为 `good_matches` 不是由 `cv2` 库中的 `BFMatcher` 或 `FlannBasedMatcher` 函数返回的 `DMatch` 对象列表。这些对象包含了匹配关键点的信息，其中包括匹配的两个关键点的索引。

请确保在使用 `good_matches` 之前，已经通过 `BFMatcher` 或 `FlannBasedMatcher` 函数获得了 `DMatch` 对象列表。你可以按照以下步骤进行：

1. 首先，使用 `cv2` 库中的 `ORB` 或 `SIFT` 算法对两张图片提取关键点和特征描述符。

2. 然后，使用 `cv2` 库中的 `BFMatcher` 或 `FlannBasedMatcher` 函数将两张图片的特征描述符进行匹配，并返回 `DMatch` 对象列表。

3. 最后，根据 `DMatch` 对象列表，提取出匹配关键点的信息，如下所示：

# 使用 BFMatcher 进行关键点匹配
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
good_matches = sorted(matches, key = lambda x:x.distance)[:10]

# 提取匹配关键点的信息
points1 = np.array([kp1[m.queryIdx].pt for m in good_matches]).astype(int)
points2 = np.array([kp2[m.trainIdx].pt for m in good_matches]).astype(int)

在上面的代码中，`kp1` 和 `kp2` 是分别在两张图片上提取的关键点列表，`des1` 和 `des2` 是分别对应的特征描述符列表。`good_matches` 是从所有匹配中挑选出的最佳匹配。

最后，使用 `good_matches` 中的索引信息从 `kp1` 和 `kp2` 中提取出匹配的关键点坐标。