Kinect2.0-空间长度测量

简介: 1.鼠标左键按下选择起点,拖动鼠标,左键放开,确定终点。实现效果1实现效果22.在linux下使用libfreenect2开源多平台驱动来获取kinect2.0的传感器信息,得到深度信息,并通过libfreenect2提供的getPointXYZ函数,来得到相机坐标系中某一点的空间坐标。

1.

鼠标左键按下选择起点,拖动鼠标,左键放开,确定终点。

img_b8681109536af93105198fdf88c4965a.png
实现效果1

img_622b2e0506dc262aa9ac91fe11028b27.png
实现效果2

2.

在linux下使用libfreenect2开源多平台驱动来获取kinect2.0的传感器信息,得到深度信息,并通过libfreenect2提供的getPointXYZ函数,来得到相机坐标系中某一点的空间坐标。

img_4f64dedc4df690d57aef4191c8780d73.png

3.

运用鼠标操作函数(setMouseCallback),来获取画面中的两个点,并用直线将他们连接起来,通过(2)中的方法得到两点的空间坐标:A(x1,y1,z1),B(x2,y2,z2)。通过简单计算,便可以求得两点的实际距离。



4.

关键代码:

    while(!protonect_shutdown)
    {
        listener.waitForNewFrame(frames);
        libfreenect2::Frame *rgb = frames[libfreenect2::Frame::Color];
        libfreenect2::Frame *depth = frames[libfreenect2::Frame::Depth];

        cv::Mat(rgb->height, rgb->width, CV_8UC4, rgb->data).copyTo(rgbmat);
        cv::Mat(depth->height, depth->width, CV_32FC1, depth->data).copyTo(depthmat);
        cv::Mat(registered.height, registered.width, CV_8UC4, registered.data).copyTo(rgbd);

        registration->apply(rgb, depth, &undistorted, &registered, true, &depth2rgb);
        cv::Mat(registered.height, registered.width, CV_8UC4, registered.data).copyTo(rgbd);

        //resize(rgbmat, dst1, Size(), c, d, INTER_NEAREST);
        inRange(depthmat,Scalar(a),Scalar(b),dst);
        //morphologyEx(dst,dst,MORPH_OPEN,kernel);
        findContours(dst,contours,hireachy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE,Point(0,0));
        if (contours.size() > 0)
        {
            double maxArea=0;
            for (int i = 0; i < contours.size(); i++)
            {
                double area = contourArea(contours[static_cast<int>(i)]);
                if (area > maxArea)
                {
                    maxArea = area;
                    rect = boundingRect(contours[static_cast<int>(i)]);
                    minEnclosingCircle(contours[static_cast<int>(i)], center, radius);
                }
            }
        }


        setMouseCallback("main",on_MouseHandle);     // 鼠标操作
        registration->getPointXYZ(&undistorted, pt11.y, pt11.x,x1, y1, z1);  // 像素坐标转化为空间坐标
        registration->getPointXYZ(&undistorted,pt21.y,pt21.x,x2, y2, z2);

        //rectangle(rgbd, rect, Scalar(0,255,0),2);
        line(rgbd, pt11, pt21, Scalar(0,255,0));   //  划线
        l = sqrt(pow((x1-x2),2) + pow((y1-y2),2) + pow((z1-z2),2));
        cout << "length:" << l << "m" <<endl;   // 输出长度
        sprintf(str, "%.4lf", l);
        putText(rgbd, str1, pt21, FONT_HERSHEY_COMPLEX, 1,Scalar(0, 0, 255), 1);
        putText(rgbd, str, pt21, FONT_HERSHEY_COMPLEX, 1,Scalar(0, 0, 255), 1);

        circle(rgbd, pt11, 1, Scalar(255,255,0), 2);
        circle(rgbd, pt21, 1, Scalar(255,255,0), 2);
        cv::imshow("catch",dst);
        cv::imshow("depth", depthmat /4500.0);
        cv::imshow("main", rgbd);
 
        int key = cv::waitKey(1);
        protonect_shutdown = protonect_shutdown || (key > 0 && ((key & 0xFF) == 27)); // shutdown on escape
 
        listener.release(frames);
    }
 
    dev->stop();
    dev->close();
 
    delete registration;
 
#endif
 
    std::cout << "stop!" << std::endl;
    return 0;
}

void on_MouseHandle(int event, int x, int y, int flags, void* ustc)
{
    if (event == EVENT_LBUTTONDOWN)
    {
        Point pt1 = Point(x, y);
        pt11 = pt1;
    }
    else if (event == EVENT_LBUTTONUP)
    {

        Point pt2 = Point(x, y);
        pt21 = pt2;
    }
}

目录
相关文章
|
1月前
|
算法 计算机视觉
OpenCV(四十四):亚像素级别角点位置优化
OpenCV(四十四):亚像素级别角点位置优化
41 0
|
8月前
|
编解码 算法 数据可视化
【多重信号分类】超分辨率测向方法——依赖于将观测空间分解为噪声子空间和源/信号子空间的方法具有高分辨率(HR)并产生准确的估计(Matlab代码实现)
【多重信号分类】超分辨率测向方法——依赖于将观测空间分解为噪声子空间和源/信号子空间的方法具有高分辨率(HR)并产生准确的估计(Matlab代码实现)
|
4月前
|
资源调度 算法
[Halcon&测量] 一维测量
[Halcon&测量] 一维测量
40 0
[Halcon&测量] 一维测量
|
7月前
|
机器学习/深度学习 传感器 算法
【视频处理】通过调用图像来重建新影片及计算颜色通道的平均灰度值,并检测帧与前一帧之间的差异(Matlab代码实现)
【视频处理】通过调用图像来重建新影片及计算颜色通道的平均灰度值,并检测帧与前一帧之间的差异(Matlab代码实现)
空间校正相似变换
空间校正相似变换
54 0
|
传感器 机器学习/深度学习 分布式计算
基于Matlab实现表征 DSERN 图像传感器的单样本光子计数直方图期望最大化算法 (PCH-EM)
基于Matlab实现表征 DSERN 图像传感器的单样本光子计数直方图期望最大化算法 (PCH-EM)
|
定位技术
计算两GPS点之间的距离(比较精确)
计算两GPS点之间的距离(比较精确)
114 0
|
传感器 缓存 算法
基于uFUN开发板的心率计(二)动态阈值算法获取心率值
基于uFUN开发板的心率计(二)动态阈值算法获取心率值
134 0
基于uFUN开发板的心率计(二)动态阈值算法获取心率值
|
iOS开发 Python
一个iOS噪音计模型、以及测量原理及分贝计算
最近在办公室觉得有点吵,然后忽然想做一个噪音计测试一下噪音,在App Store下载了几款测噪音软件,使用原来都大同小异。于是决定自己实现测噪音的原理。
546 0

热门文章

最新文章