objp[:,:2] = np.mgrid[0:w,0:h].T.reshape(-1,2)
这行代码中使用了以下函数：
1. `np.mgrid`：用于生成多维数组的索引。它返回一个密集的多维网格，其中每个元素都是一个 n 维数组，其中 n 是输入参数的数量。在这个例子中，输入参数是 `0:w,0:h`，表示生成两个数组，一个从 0 到 w-1，另一个从 0 到 h-1。因此，`np.mgrid[0:w,0:h]` 返回一个 2 维数组，其中第一行是从 0 到 w-1 的整数，第二行是从 0 到 h-1 的整数。
2. `.T`：用于转置数组。在这个例子中，`np.mgrid[0:w,0:h]` 返回的数组是以行为主的，即第一行是从 0 到 w-1 的整数，第二行是从 0 到 h-1 的整数。因此，`.T` 用于将其转置为以列为主的数组，即第一列是从 0 到 w-1 的整数，第二列是从 0 到 h-1 的整数。
3. `.reshape(-1,2)`：用于将数组重塑为 2 列的形状，其中第一列是 x 坐标，第二列是 y 坐标。在这个例子中，`np.mgrid[0:w,0:h].T` 返回的数组是以列为主的，即第一列是从 0 到 w-1 的整数，第二列是从 0 到 h-1 的整数。因此，`.reshape(-1,2)` 用于将其重塑为 2 列的形状，其中每一行都是一个坐标点，第一列是 x 坐标，第二列是 y 坐标。
4. `objp[:,:2] = ...`：用于将生成的坐标点赋值给 `objp` 数组的前两列，即 x 和 y 坐标。在这个例子中，`objp` 是一个 3D 数组，其中第一维表示点的数量，第二维表示每个点的属性，第三维表示每个属性的值。因此，`objp[:,:2]` 表示选择 `objp` 数组的前两列，即 x 和 y 坐标。最后，将生成的坐标点赋值给这些列。
三维矩阵的转置可以理解为将矩阵沿着三个维度进行翻转，可以通过以下步骤实现：
1. 对于一个三维矩阵A，其维度为(m,n,p)，其中m表示矩阵的行数，n表示矩阵的列数，p表示矩阵的深度。
2. 创建一个新的三维矩阵B，其维度为(n,m,p)，即将A的行列互换。
3. 遍历A中的每个元素，将其复制到B中对应的位置，即B(i,j,k)=A(j,i,k)。
4. 返回B作为转置后的矩阵。
以下是Python代码实现：
```python
import numpy as np
# 创建一个三维矩阵
A = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print("原始矩阵A：\n", A)
# 获取矩阵A的维度
m, n, p = A.shape
# 创建一个新的三维矩阵B，其维度为(n,m,p)
B = np.zeros((n, m, p))
# 遍历A中的每个元素，将其复制到B中对应的位置
for i in range(m):
for j in range(n):
for k in range(p):
B[j, i, k] = A[i, j, k]
print("转置后的矩阵B：\n", B)
```
输出结果为：
```
原始矩阵A：
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]
转置后的矩阵B：
[[[1. 3.]
[2. 4.]]
[[5. 7.]
[6. 8.]]]
```