ArUco----一个微型现实增强库的介绍及视觉应用(二)

2023-12-18 05:32

本文主要是介绍ArUco----一个微型现实增强库的介绍及视觉应用(二),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

很重要的一点就是这个

转载自:https://www.cnblogs.com/shawn0102/p/8039439.html

ArUco----一个微型现实增强库的介绍及视觉应用(二)

ArUco----一个微型现实增强库的介绍及视觉应用(二)

一、第一个ArUco的视觉应用

  首先介绍第一个视觉应用的Demo,这个应用场景比较简单,下面具体介绍:

1. 应用场景

  主线程:通过摄像头检测环境中的视觉标志,看到ID为100的标志后在图像中圈出标志,在标志上绘制坐标系,得到视觉标志相对于相机坐标系的位置和姿态参数;

  子线程:将得到的视觉标志进一步转换成需要的数据类型并发送给机器人。

2. 编程环境

  Ubuntu14.04(安装有OpenCV以及ArUco)

3. 编译工具

  Cmake

 4. 源码下载地址

  https://github.com/Zhanggx0102/Aruco_Blog_Demo.git

 5. 源码处理

  下载完成后重新编译即可。

  cd Aruco_Blog_Demo-master

  rm -r build/

  mkdir build

  cd build

  cmake ..

  make 

二、源码解读

 源码中已经做了比较详细的注释,这里主要讲解程序框架。

程序流程图如下所示:

 

程序流程图

执行后的效果如下图所示:

下面是源码截取的两个主要的函数。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

/*******************************************************************************************************************

main function

********************************************************************************************************************/

int main(int argc,char **argv)

{

 

    int thread_return;

    pthread_t Message_Send_Thread_ID;

    //init thread lock

    pthread_mutex_init(&IK_Solver_Lock, NULL);

    //creat new thread

    thread_return = pthread_create(&Message_Send_Thread_ID,NULL,Thread_Func_Message_Send,NULL);

     

    //import the camera param (CameraMatrix)

    float camera_matrix_array[9] = { 1.0078520005023535e+003, 0., 6.3950000000000000e+002,

                                  0.0, 1.0078520005023535e+003, 3.5950000000000000e+002,

                                  0.0, 0.0, 1.0 };

    cv::Mat Camera_Matrix(3,3,CV_32FC1);

    InitMat(Camera_Matrix,camera_matrix_array);

    cout << "Camera_Matrix = " << endl << "" << Camera_Matrix << endl ;

    //import the camera param (Distorsion)

    float Distorsion_array[5] = {-4.9694653328469340e-002, 2.3886698343464000e-001, 0., 0.,-2.1783942538569392e-001};

    cv::Mat Distorsion_M(1,5,CV_32FC1);

    InitMat(Distorsion_M,Distorsion_array);

    cout << "Distorsion_M = " << endl << "" << Distorsion_M << endl ;

 

    CameraParameters LogiC170Param;

    //LogiC170Param.readFromXMLFile("LogitchC170_Param.yml");

    LogiC170Param.CameraMatrix = Camera_Matrix.clone();

    LogiC170Param.Distorsion = Distorsion_M.clone();

    LogiC170Param.CamSize.width = 1280;

    LogiC170Param.CamSize.height = 720;

 

    float MarkerSize = 0.04;

    int Marker_ID;

    MarkerDetector MDetector;

    MDetector.setThresholdParams(7, 7);

    MDetector.setThresholdParamRange(2, 0);

 

    CvDrawingUtils MDraw;

 

    //read the input image

    VideoCapture cap(0); // open the default camera

     if(!cap.isOpened())  // check if we succeeded 

        return -1;

    cv::Mat frame;

    cv::Mat Rvec;//rotational vector

    CvMat Rvec_Matrix;//temp matrix

    CvMat R_Matrix;//rotational matrixs

    cv::Mat Tvec;//translation vector

 

    cap>>frame;//get first frame

    //LogiC170Param.resize(frame.size());

 

    printf("%f, %f\n",cap.get(CV_CAP_PROP_FRAME_WIDTH),cap.get(CV_CAP_PROP_FRAME_HEIGHT)); 

    cap.set(CV_CAP_PROP_FRAME_WIDTH, 1280); 

    cap.set(CV_CAP_PROP_FRAME_HEIGHT, 720); 

    //cap.set(CV_CAP_PROP_FPS, 10); 

    printf("%f, %f\n",cap.get(CV_CAP_PROP_FRAME_WIDTH),cap.get(CV_CAP_PROP_FRAME_HEIGHT));  

 

    while(1)

    {

        //get current frame

        cap>>frame;

        //Ok, let's detect

        vector< Marker >  Markers=MDetector.detect(frame, LogiC170Param, MarkerSize);

        //printf("marker count:%d \n",(int)(Markers.size()));

 

        //for each marker, estimate its ID and if it is  100 draw info and its boundaries in the image

        for (unsigned int j=0;j<Markers.size();j++)

        {

            //marker ID test

            Marker_ID = Markers[j].id;

            printf("Marker ID = %d \n",Marker_ID);

 

            if(Marker_ID == 100)

            {

                //cout<<Markers[j]<<endl;

                Markers[j].draw(frame,Scalar(0,0,255),2);

 

                Markers[j].calculateExtrinsics(MarkerSize, LogiC170Param, false);

                //calculate rotational vector

                Rvec = Markers[j].Rvec;

                cout << "Rvec = " << endl << "" << Rvec << endl ;

                //calculate transformation vector

                Tvec = Markers[j].Tvec;

                cout << "Tvec = " << endl << "" << Tvec << endl ;

 

                //lock to update global variables: Rotat_Vec_Arr[3]  Rotat_M[9]  Trans_M[3]

                pthread_mutex_lock(&IK_Solver_Lock);

 

                //save rotational vector to float array

                for (int r = 0; r < Rvec.rows; r++) 

                

                    for (int c = 0; c < Rvec.cols; c++) 

                    {    

                        //cout<< Rvec.at<float>(r,c)<<endl; 

                        Rotat_Vec_Arr[r] = Rvec.at<float>(r,c);

                    }    

                }

                printf("Rotat_Vec_Arr[3] = [%f, %f, %f] \n",Rotat_Vec_Arr[0],Rotat_Vec_Arr[1],Rotat_Vec_Arr[2]);

 

                //save array data to CvMat and convert rotational vector to rotational matrix

                cvInitMatHeader(&Rvec_Matrix,1,3,CV_32FC1,Rotat_Vec_Arr,CV_AUTOSTEP);//init Rvec_Matrix

                cvInitMatHeader(&R_Matrix,3,3,CV_32FC1,Rotat_M,CV_AUTOSTEP);//init R_Matrix and Rotat_M

                cvRodrigues2(&Rvec_Matrix, &R_Matrix,0);

                printf("Rotat_M = \n[%f, %f, %f, \n  %f, %f, %f, \n  %f, %f, %f] \n",Rotat_M[0],Rotat_M[1],Rotat_M[2],Rotat_M[3],Rotat_M[4],Rotat_M[5],Rotat_M[6],Rotat_M[7],Rotat_M[8]);

                 

                //save transformation vector to float array

                for (int r = 0; r < Tvec.rows; r++)

                

                    for (int c = 0; c < Tvec.cols; c++) 

                    {

                        Trans_M[r] = Tvec.at<float>(r,c);

                    }

                }

                printf("Trans_M[3] = [%f, %f, %f] \n",Trans_M[0],Trans_M[1],Trans_M[2]);

 

                //unlock

                pthread_mutex_unlock(&IK_Solver_Lock);

 

                // draw a 3d cube in each marker if there is 3d info

                if (LogiC170Param.isValid() && MarkerSize != -1)

                {

                    MDraw.draw3dAxis(frame,LogiC170Param,Rvec,Tvec,0.04);

                }

            }

        }

        //*/

        cv::waitKey(150);//wait for key to be pressed

        cv::imshow("Frame",frame);

    }

    //wait for the IK solver thread close and recover resources

    pthread_join(Message_Send_Thread_ID,NULL);

 

    pthread_mutex_destroy(&IK_Solver_Lock); //destroy the thread lock

    return 0

}

/**********************************************************

function: new thread to send messages

input: void

return :null

***********************************************************/

void * Thread_Func_Message_Send(void *arg)

{

    printf("IK solver thread is running!\n");

    //original pose and position

    float P_original[4];

    float N_original[4];

    float O_original[4];

    float A_original[4];

    //final pose and position

    float P[3];

    float N[3];

    float O[3];

    float A[3];

 

    P_original[3] = 1;

    N_original[3] = 0;

    O_original[3] = 0;

    A_original[3] = 0;

 

    while (1)

    {

        //get the spacial pose

        pthread_mutex_lock(&IK_Solver_Lock);

        //memcpy(P_original, Trans_M, sizeof(Trans_M));

        for(int i=0;i<3;i++)

        {

            P_original[i] = Trans_M[i];

            N_original[i] = Rotat_M[3*i];

            O_original[i] = Rotat_M[3*i+1];

            A_original[i] = Rotat_M[3*i+2];

        }

        pthread_mutex_unlock(&IK_Solver_Lock);

        //debug printf

        ///*

        printf("N_original[4] = [%f, %f, %f, %f]  \n",N_original[0],N_original[1],N_original[2],N_original[3]);

        printf("O_original[4] = [%f, %f, %f, %f]  \n",O_original[0],O_original[1],O_original[2],O_original[3]);

        printf("A_original[4] = [%f, %f, %f, %f]  \n",A_original[0],A_original[1],A_original[2],A_original[3]);

        printf("P_original[4] = [%f, %f, %f, %f]  \n",P_original[0],P_original[1],P_original[2],P_original[3]);

        //*/

 

        printf("I send the message to robot here! \n");

        /*

        add message send function here!

        */<br>

        //uodate every 5 s

        sleep(5);

    }

    //kill the message send thread

    pthread_exit(0); 

}

 

<-- 本篇完-->

 

欢迎留言、私信、邮箱、微信等任何形式的技术交流。

作者信息:

名称:Shawn

邮箱:zhanggx0102@163.com

微信二维码:↓

          

标签: ArUco, 增项现实, 视觉应用

这篇关于ArUco----一个微型现实增强库的介绍及视觉应用(二)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/507204

相关文章

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

Java中&和&&以及|和||的区别、应用场景和代码示例

《Java中&和&&以及|和||的区别、应用场景和代码示例》:本文主要介绍Java中的逻辑运算符&、&&、|和||的区别,包括它们在布尔和整数类型上的应用,文中通过代码介绍的非常详细,需要的朋友可... 目录前言1. & 和 &&代码示例2. | 和 ||代码示例3. 为什么要使用 & 和 | 而不是总是使

Python循环缓冲区的应用详解

《Python循环缓冲区的应用详解》循环缓冲区是一个线性缓冲区,逻辑上被视为一个循环的结构,本文主要为大家介绍了Python中循环缓冲区的相关应用,有兴趣的小伙伴可以了解一下... 目录什么是循环缓冲区循环缓冲区的结构python中的循环缓冲区实现运行循环缓冲区循环缓冲区的优势应用案例Python中的实现库

SpringBoot整合MybatisPlus的基本应用指南

《SpringBoot整合MybatisPlus的基本应用指南》MyBatis-Plus,简称MP,是一个MyBatis的增强工具,在MyBatis的基础上只做增强不做改变,下面小编就来和大家介绍一下... 目录一、MyBATisPlus简介二、SpringBoot整合MybatisPlus1、创建数据库和

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程

Python实现html转png的完美方案介绍

《Python实现html转png的完美方案介绍》这篇文章主要为大家详细介绍了如何使用Python实现html转png功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 1.增强稳定性与错误处理建议使用三层异常捕获结构:try: with sync_playwright(

Java使用多线程处理未知任务数的方案介绍

《Java使用多线程处理未知任务数的方案介绍》这篇文章主要为大家详细介绍了Java如何使用多线程实现处理未知任务数,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 知道任务个数,你可以定义好线程数规则,生成线程数去跑代码说明:1.虚拟线程池:使用 Executors.newVir