官方相机原始分辨率支持的是1088*1280，但是旋转存在黑边，请技术人员帮忙看一下为什么会存在黑边，运行脚本mipi_cam_dual_channel_websocket_132gs_nocal+cal+r90.launch.py，通过修改长宽和旋转角度获取旋转前的图像和旋转后的图像，
旋转前Image Resolution: Width = 1088, Height = 2560
Top: 0 rows
Bottom: 0 rows
Left: 0 columns
Right: 0 columns
旋转后：Image Resolution: Width = 1280, Height = 2176
Top: 1 rows
Bottom: 2 rows
Left: 3 columns
Right: 0 columns
黑边产生的根本原因：硬件输出分辨率与软件旋转后的目标分辨率不匹配，且未进行正确的裁剪（Crop）或填充（Pad）处理。
物理限制：SC132 传感器的原生有效像素为 1088 (H) x 1280 (V)。
旋转逻辑：
旋转前：图像数据通常以 Sensor 原生方向输出，即 Width=1088, Height=1280（或者根据你的脚本配置，可能是双路拼接或其他模式，但你提供的 raw_test_rdk1 显示为 1088x2560，这暗示可能涉及双摄像头拼接或垂直堆叠，需确认是否为双摄模式。若为单摄，1088x1280 是标准值）。
旋转 90 度后：图像的宽高互换。理论上，1088x1280 的图像旋转 90 度后，应变为 1280 (W) x 1088 (H)。
异常数据分析：
你提到的旋转后分辨率为 Width = 1280, Height = 2176。
注意：2176 恰好是 1088 * 2。这说明你的脚本 mipi_cam_dual_channel... 很可能是在处理双摄像头数据，或者将两帧图像在垂直方向进行了拼接/处理。
如果单看单目相机：旋转后应为 1280x1088。如果你期望得到正方形的 1280x1280 或者保持某种比例，多出来的部分或少掉的部分就会表现为“黑边”或“拉伸”。
黑边来源：VPS（视觉处理子系统）或 ISP 在进行旋转操作时，如果输出的 Buffer 尺寸（Target Resolution）大于旋转后的有效图像尺寸，多余区域默认填充为黑色（0值）。例如，若设置输出为 1280x1280，而旋转后有效图像仅为 1280x1088，则上下各会有 (1280-1088)/2 = 96 像素的黑边。但你检测到的黑边很小（Top 1, Bottom 2…），这通常意味着对齐问题或ISP/VPS 的内存行对齐（Stride）要求导致的微小偏移。
请按照以下优先级进行排查和修改：
检查 mipi_cam_dual_channel_websocket_132gs_nocal+cal+r90.launch.py 文件中关于 VPS 或图像处理的节点配置。
width, height, target_width, target_height 等参数。建议操作：
确保旋转后的输出分辨率严格等于旋转前的宽高互换值。
1088x1280，旋转 90 度后，输出应设为 1280x1088。1088x2560，旋转 90 度后，输出应设为 2560x1088。RDK 平台的 VPS 模块对图像宽度的内存对齐有严格要求（通常要求宽度是 16 或 32 的倍数）。
建议操作：
在代码中获取图像后，不要直接使用整个 Buffer，而是根据 ISP/VPS 返回的 有效区域信息（Valid Rect） 进行裁剪。
# 伪代码示例：获取图像后，根据有效区域裁剪
img = vps_node.get_img()
# 假设 img 包含 metadata 指示有效区域
valid_x, valid_y, valid_w, valid_h = img.get_valid_rect()
# 如果存在黑边，手动裁剪掉
if valid_w > 0 and valid_h > 0:
cropped_img = img[valid_y:valid_y+valid_h, valid_x:valid_x+valid_w]
else:
# 如果没有 metadata，尝试根据已知黑边数量裁剪
# 根据你的分析：Left 3, Top 1, Right 0, Bottom 2
cropped_img = img[1:-2, 3:]
r90 参数：Launch 文件名中的 r90 代表 Rotate 90。请确认该旋转是在 ISP 阶段 完成，还是在 VPS 阶段 完成，亦或是在 应用层（OpenCV） 完成。
cv2.rotate()，可以完美控制，无黑边，但占用 CPU。建议方案（推荐应用层后期处理以消除黑边）：
如果硬件旋转难以消除微量黑边，建议在接收到图像后，使用软件方式二次处理：
import cv2
import numpy as np
def remove_black_borders_and_rotate(image):
"""
假设 image 是旋转后的图像，存在微量黑边
"""
# 1. 转换为灰度图寻找非零区域（有效图像区域）
if len(image.shape) == 3:
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
else:
gray = image
# 2. 阈值二值化，找到有效像素
_, thresh = cv2.threshold(gray, 10, 255, cv2.THRESH_BINARY)
# 3. 查找轮廓或非零坐标
coords = cv2.findNonZero(thresh)
if coords is not None:
x, y, w, h = cv2.boundingRect(coords)
# 4. 裁剪出有效图像
cropped = image[y:y+h, x:x+w]
return cropped
else:
return image # 全黑情况
通过官方的mipi_cam的节点保存的图像，目前定位到旋转是通过GDC模块实现的，/home/hobot_mipi_cam/src/x5/hobot_mipi_cap_iml.cpp中的gen_gdc_bin_rotation()函数生成旋转矩阵，目前运行的是系统自带的节点，通过修改脚本的参数完成是否旋转的功能，期望旋转后的分辨率是1280*1088，不进行任何裁减。
有以下几种方案可以尝试一下：
gen_gdc_bin_rotation)你提到的 gen_gdc_bin_rotation() 函数负责生成 GDC 的任务描述符。要消除黑边，必须确保 GDC 的输出裁剪（Crop） 或 输出尺寸设置 精确匹配有效像素。
方案 A：调整 GDC 输出尺寸（推荐）
在生成 GDC bin 时，确保 dst_w 和 dst_h 严格等于旋转后的有效像素，而不是对齐后的内存尺寸。
src_w = 1088, src_h = 1280。dst_w = 1280, dst_h = 1088。crop 或 rect 字段。如果有，确保源裁剪区域（Src Rect）只包含有效像素，不包含 Blanking 区。方案 B：在 GDC 后增加软件裁剪（最稳妥）
由于硬件 GDC 的对齐限制（通常要求宽度 16/32/64 字节对齐），直接通过 GDC 去除几个像素的黑边可能比较困难（取决于具体 GDC 版本支持的粒度）。最简单的工程化做法是在 GDC 输出后，立即进行内存拷贝裁剪。
在 hobot_mipi_cam 的代码流程中，找到 GDC 回调或数据导出位置：
// 假设 gdc_output_img 是 GDC 旋转后的图像
// 已知黑边：Top 1, Bottom 2, Left 3, Right 0
// 期望输出：1280 x 1088
cv::Mat rotated_img = ...; // 从 GDC buffer 转换来的 cv::Mat
// 执行裁剪
// range: [y_start, y_end), [x_start, x_end)
cv::Mat clean_img = rotated_img(cv::Rect(3, 1, 1280 - 3, 1088 - 1 - 2));
// 注意：如果 rotated_img 的总尺寸不是 1280x1088+黑边，而是更大的对齐尺寸
// 你需要先确认 rotated_img 的实际 size。
// 根据你的描述，旋转后分辨率显示为 1280x2176 (双摄?) 或单摄的某个值。
// 如果是单摄 1280x1088 期望值，但实际有黑边，说明实际 Buffer 可能是 1280x1091 或类似。
mipi_cam_dual_channel 的特殊处理你使用的是双通道脚本。SC132GS 双摄通常是两个独立的 Sensor。
1088x2560，旋转后 1280x2176。2560 = 1280 * 2。说明旋转前是两个 1088x1280 的图像左右拼接（Width 1088+1088? 不对，1088+1088=2176。这里是 1088x2560，说明是 上下拼接？即 Width 1088, Height 1280+1280=2560）。1088(W) x 2560(H)，旋转 90 度后，理论上应该是 2560(W) x 1088(H)。1280(W) x 2176(H)。这说明脚本内部可能先对单目图像进行了旋转，然后再拼接，或者使用了不同的拼接逻辑。2176 = 1088 * 2。这说明旋转后的单目图像高度是 1088，宽度是 1280。然后两个图像上下拼接成了 1280x2176。黑边来源锁定：
在单目旋转阶段，每个 1088x1280 的图像旋转成 1280x1088 时，产生了微量黑边。当两个这样的图像上下拼接时，黑边被保留在了最终图像的顶部、底部和中间接缝处（如果左右有黑边，拼接后会在左侧或右侧）。
解决方法：
在 gen_gdc_bin_rotation 中，针对单目图像进行处理，而不是处理拼接后的图像。
1088 x 128090 deg1280 x 1088# Python 端伪代码（如果在 ROS 节点后处理）
def process_dual_cam(img_left_raw, img_right_raw):
# 假设已经过 GDC 旋转，但存在黑边
# 左图: 1280x1088 + 黑边 -> 裁剪为纯 1280x1088
left_clean = crop_black_borders(img_left_raw)
right_clean = crop_black_borders(img_right_raw)
# 重新拼接
final_img = np.vstack((left_clean, right_clean)) # 如果是上下拼接
return final_img
尝试在 Launch 文件中寻找是否有关于 ISP Crop 或 VPS Crop 的参数。
mipi_cam.launch.py 或对应的 yaml 配置文件。roi, crop, offset_x, offset_y。操作建议：
查阅 SC132GS 的 Datasheet，确认其 Active Pixel 的确切起始坐标。如果 Datasheet 说明有效像素从 (3, 1) 开始，那么在 ISP 配置中设置 crop_x=3, crop_y=1, crop_w=1088, crop_h=1280（注意宽高对应关系）。
总结行动指南首选方案（软件裁剪）：鉴于黑边像素固定且微小（Top 1, Bottom 2, Left 3），在接收到图像后，直接使用 OpenCV 或 NumPy 进行固定坐标裁剪。这是最快、最不影响帧率的方法。
# 对于单目旋转后的图像 (假设原始 Buffer 包含黑边)
# 请根据实际打印的 img.shape 调整切片索引
img_clean = img[1:-2, 3:]
次选方案（ISP 配置）：检查 mipi_cam 的配置文件，看是否能配置 ISP 的 ROI（Region of Interest），在源头切除黑边。
底层方案（GDC 修改）：如果必须修改 C++ 代码，请在 gen_gdc_bin_rotation 中检查 hb_vgs_rotation_ex 或类似 GDC API 的调用参数，确保 dst_rect 严格匹配有效像素，并确认源地址指针是否偏移到了有效像素起始处。
看起来黑边处理很麻烦，想确认一下基于旋转后带黑边的图进行标定，进行GDC校正和去畸变的话，这组参数可用吗
不可用（或者说极不推荐），直接使用带黑边的图像进行标定会导致严重的几何畸变校正误差。