Python 提高cv2.CalibleCamera的性能

我正在尝试制作一个实时校准工具，从网络摄像头读取实时图像，然后进行校准

我正在实时收集图像点，我并没有像许多人一样发现棋盘角的速度问题

但是，在收集实时数据并存储所有图像点和对象点之后，我调用了cv2.calibleCamera（）函数

当我有来自50多幅图像的数据时，这种方法会产生严重的性能问题

我试过：

# loop:
#     read image
#     if pattern found:
#         calibrate the individual image and store results in array
# calculate the average of the array (assuming this is the real result)    

但是，从该方法获得的结果与收集所有数据然后调用cv2.calibleCamera（）函数的传统方法有很大不同

我也尝试过：

with concurrent.futures.ThreadPoolExecutor() as executor:
    future = executor.submit(self.camera.do_calibration())
    ret, f_ret, images_used = future.result()

希望它能给我更好的结果，但没有运气

调用cv2.CalibleCamera（）的方法：

我不想让我的例行程序给我立即的结果，但我也不想像一个小时等待它来计算结果

---

是否有其他解决方案可以帮助解决此问题，如充分使用线程或标志？

首先，函数是否返回正确的校准结果？@YvesDaoust是的，它返回正确的校准结果。但是有哪些解决方案？@YvesDaoust与我在github上找到的其他项目相比，我的结果是相似的。所有的矩阵、失真和向量看起来都不错。

def do_calibration(self):
    self.ret, self.mtx, self.dist, self.rvec, self.tvec = cv2.calibrateCamera(self.obj_points,
                                                                                  self.img_points,
                                                                                  (int(self.width), int(self.height)),
                                                                                  None, None)