论述网站建设的步骤,卡片式网页布局,网站开发实验心得,公众号微网站制作Android双目三维重建#xff1a;Android双目摄像头实现双目测距
目录
Android双目三维重建#xff1a;Android双目摄像头实现双目测距
1.开发版本
2.Android双目摄像头
3.双目相机标定 (1)双目相机标定-Python版 (2)双目相机标定-Matlab版
4.相机参数配置
5.Android 双…Android双目三维重建Android双目摄像头实现双目测距
目录
Android双目三维重建Android双目摄像头实现双目测距
1.开发版本
2.Android双目摄像头
3.双目相机标定 (1)双目相机标定-Python版 (2)双目相机标定-Matlab版
4.相机参数配置
5.Android 双目测距
(1) 核心算法
(2) JNI C接口
(3) JNI Java接口
6. Android Demo测试效果
7.双目三维重建项目代码Android版本下载
8. 双目三维重建项目代码C/C版本
9. 双目三维重建项目代码Python版本
10.参考资料 本篇博文是《双目三维重建系统(双目标定立体校正双目测距点云显示)Python》的续作我们将使用OpenCV C实现双目测距并将算法移植到Android系统实现一个Android版本双目三维重建系统。由于我们只考虑三维重建实现双目测距效果因而去除了PCL和Open3d库三维显示效果但依然保留了视差图深度图等可视化效果用户可以通过触摸手机屏幕点击图像位置即可获得对应的世界坐标以及深度距离信息。
从效果来看Android版本的双目测距和Python版本的效果几乎一致可以达到准实时的检测效果基本可以达到工业级别测距精度可在Android开发板运行非常适合应用于无人机智能小车测距避障等场景。 来~先看一下Android版本的Demo效果图触摸手机屏幕点击图像位置会显示对应距离信息 Android版本的Demo体验https://download.csdn.net/download/guyuealian/87611878 未使用WLS滤波器使用WLS滤波器
诚然网上有很多C版本双测距的代码但项目都不是十分完整而且恢复视差图效果也一般难以达到商业实际应用究其原因主要有下面几个 双目摄像头质量问题双目标定存在问题导致校准误差较大没有使用WLS滤波器对视差图进行滤波该方法可以极大提高视差图的效果本篇将着重介绍OpenCV C项目实现双目测距的过程关于双目相机标定双目校正双目匹配等内容请查看鄙人另一篇博客 《双目三维重建系统(双目标定立体校正双目测距点云显示)Python》
【尊重原则转载请注明出处】https://blog.csdn.net/guyuealian/article/details/129762989 更多项目《OpenCV实现双目测距》系列文章请参考
OpenCV实现双目测距Python版本双目三维重建系统(双目标定立体校正双目测距点云显示)PythonOpenCV实现双目测距C/C版本OpenCV C双目三维重建双目摄像头实现双目测距OpenCV实现双目测距Android版本https://blog.csdn.net/guyuealian/article/details/1297629891.开发版本
Android SDK,NDKJave等版本信息请参考 项目开发需要依OpenCV库同时也需要用到opencv_contrib库
opencv 4.5.3opencv_contrib 4.5.3Android项目源码已经配置好了opencv无需重新下载和配置 2.Android双目摄像头
开发前你需要准备有一台Android系统的双目摄像头要求如下
从双目三维重建原理中可知左右摄像头的成像平面尽可能在一个平面内成像平面不在同一个平面的尽管可以立体矫正其效果也差很多。双目摄像头必须是同一个平面不能一个前置摄像头一个后置摄像头代码层面可以分为前置和后置摄像头但实物机器必须同时前置或者同时后置基线不太建议太小作为测试一般baseline在3~9cm就可以满足需求有些无人车的双目基线更是恐怖到1~2米长一分钱一分货相机的质量好坏直接决定了你的成像效果双目摄像头必须重新标定获得双目相机内外参数信息然后编辑源码修改为自己双目相机的相机参数3.双目相机标定
注意Android版本的双目三维重建系统的源码不涉及双目标定的相关内容如果那你需要适配自己的手机双目摄像头你需要重新标定详细步骤参考如下 (1)双目相机标定-Python版
请参考鄙人另一篇博客无需Matlab即可进行相机标定双目三维重建系统(双目标定立体校正双目测距点云显示)Python
该方法双目标定完成后会得到一个双目相机内外参数信息(stereo_cam.yml)文件:
%YAML:1.0
---
size: !!opencv-matrixrows: 2cols: 1dt: ddata: [ 640., 480. ]
K1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6159209686584518e02, 0., 3.2031427422505453e02, 0.,7.6167321445963728e02, 2.2467546927337131e02, 0., 0., 1. ]
D1: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.4834574885170888e-02, -5.5261651661983137e-02,5.7491952731614823e-04, -4.2764224824172658e-05,1.8477350140315381e-02 ]
K2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6327773941976670e02, 0., 2.8768149948082271e02, 0.,7.6350419442870850e02, 2.1897333598636970e02, 0., 0., 1. ]
D2: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.5020972475517692e-02, -4.0770660841280497e-02,-4.4231087565750534e-04, -1.0552562170995372e-03,-9.7749906830348537e-02 ]
R: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9999370552351063e-01, 7.8563885326366346e-04,3.4600122760633780e-03, -7.9503151737356746e-04,9.9999600079883766e-01, 2.7140949167922721e-03,-3.4578661403601796e-03, -2.7168286517956050e-03,9.9999033095517087e-01 ]
T: !!opencv-matrixrows: 3cols: 1dt: ddata: [ -6.0005833133148414e01, 1.7047017063672587e-01,6.0300223404957642e-01 ]
E: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -1.1005724987007073e-04, -6.0346296076620343e-01,1.6883191705475561e-01, 3.9550629985097430e-01,-1.6255182474732952e-01, 6.0007339329190145e01,-1.2276256904913259e-01, -6.0005727085740176e01,-1.6345135556766910e-01 ]
F: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -6.7250769136371160e-10, -3.6870834234286016e-06,1.6143104894409041e-03, 2.4160347372858321e-06,-9.9287680075344234e-07, 2.7862421257891157e-01,-1.1014218394645766e-03, -2.7856049650040260e-01, 1. ]
R1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9997618806974742e-01, -2.0278309638726887e-03,-6.5963016213173775e-03, 2.0367881225372914e-03,9.9999701250432615e-01, 1.3514719999064883e-03,6.5935413581266105e-03, -1.3648750875444691e-03,9.9997733090723306e-01 ]
R2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9994547731576255e-01, -2.8407384289991728e-03,-1.0048512373976153e-02, 2.8270879178959596e-03,9.9999506202764499e-01, -1.3724045434755307e-03,1.0052361397026631e-02, 1.3439216883706559e-03,9.9994857062992937e-01 ]
P1: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e02, 0., 3.1126281356811523e02, 0., 0.,7.3741438842621210e02, 2.2189782714843750e02, 0., 0., 0., 1.,0. ]
P2: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e02, 0., 3.1126281356811523e02,-4.4251577456670653e04, 0., 7.3741438842621210e02,2.2189782714843750e02, 0., 0., 0., 1., 0. ]
Q: !!opencv-matrixrows: 4cols: 4dt: ddata: [ 1., 0., 0., -3.1126281356811523e02, 0., 1., 0.,-2.2189782714843750e02, 0., 0., 0., 7.3741438842621210e02, 0.,0., 1.6664137886344466e-02, 0. ]参数说明 参数size对应图像宽高(width,height)参数K1对应左目相机内参矩阵(3×3)参数D1对应左目相机畸变系数矩阵(5×1)参数K2对应右目相机内参矩阵(3×3)参数D2对应右目相机畸变系数矩阵(5×1)参数T对应双目相机平移向量T(3×1)参数R对应双目相机旋转矩阵R(3×3)至于配置文件中的参数,如R1, R2, P1, P2, Q这些重投影矩阵可默写即可不用修改这些在运行时会重新计算。(2)双目相机标定-Matlab版
网上已经存在很多Matlab双目相机标定的教程请自行百度哈 使用Matlab工具箱进行双目相机标定后请对应参数进行修改 需要注意的是旋转矩阵R是(3×3)二维矩阵而Matlab给出的是旋转向量om(1×3)请使用cv2.Rodrigues()将旋转向量转为旋转矩阵参考下面的代码进行转换 import cv2import numpy as np# 定义旋转矩阵R旋转向量omR [[9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03],[-7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03],[-3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01]]R np.asarray(R)print(f旋转矩阵R:\n {R})# 把旋转矩阵R转化为旋转向量omom, _ cv2.Rodrigues(R)print(f旋转向量om:\n {om})# 把旋转向量om转换为旋转矩阵RR1, _ cv2.Rodrigues(om)print(f旋转矩阵R1:\n {R1})4.相机参数配置
双目相机标定完成后得到了相机内外参数信息根据自己相机参数修改项目app/src/main/cpp/src/stereo_reconstruct.h文件下面C代码中定义了双目相机CameraParam变量camera1用户需要根据自己的双目相机修改对应的相机内外参数。/*** 双目摄像头的相机参数*/
struct CameraParam {
int width; //图像的宽度width
int height; //图像的高度height
Mat cameraMatrixL; //左相机内参K1(3×3)
Mat distCoeffL; //左相机畸变系数D1(5×1)
Mat cameraMatrixR; //右相机内参K2(3×3)
Mat distCoeffR; //右相机畸变系数D2(5×1)
Mat T; //平移向量T(3×1)
Mat R; //旋转矩阵R(3×3)如果是(3×1)旋转向量请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R
};/**** 设置摄像头参数需要根据双目摄像头标定结果进行填写*/
static CameraParam camera1 {
640,//width
480,//height
(Mat_double(3, 3)7.6159209686633153e02, 0., 3.2031427422691633e02, 0., 7.6167321446015626e02, 2.2467546926913309e02, 0., 0., 1.),//cameraMatrixL
(Mat_double(5, 1)3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL
(Mat_double(3, 3)7.6327773983796783e02, 0., 2.8768149776326379e02, 0., 7.6350419482215057e02, 2.1897333669573928e02, 0., 0., 1.),
(Mat_double(5, 1)3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),
(Mat_double(3, 1)-6.0005833075452117e01, 1.7047023105446815e-01, 6.0300273851103448e-01),
(Mat_double(3, 3)9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),
};5.Android 双目测距
Android OpenCV版本的双目测距与Python版本双目测距的效果几乎一致基本可以达到工业级别测距精度。由于我们只考虑三维重建实现双目测距效果因而去除了PCL和Open3d库三维显示效果但依然保留了视差图深度图等可视化效果用户可以通过触摸手机屏幕点击图像位置即可获得对应的世界坐标以及深度距离信息。
(1) 核心算法
Android版本的双目测距算法核心代码都使用C开发上层应用Java部分通过JNI调用opencv C算法函数接口声明都已经给出了详细的参数说明为了方便大家学习函数命名和实现逻辑与Python版本的几乎一致
Python版本C版本
这是C核心算法部分函数定义
//
// Created by 390737991qq.com on 2018/10/6.
//#ifndef CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H
#define CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H#include opencv2/opencv.hpp
#include iostreamusing namespace std;
using namespace cv;static cv::Mat xyz_coord; //用于存放每个像素点距离相机镜头的三维坐标
static cv::Point start; //鼠标按下的起始点
static cv::Rect buttonRect; //定义矩形选框
static bool buttonStatus false; //是否选择对象/*** 双目摄像头的相机参数*/
struct CameraParam {int width; //图像的宽度widthint height; //图像的高度heightMat cameraMatrixL; //左相机内参K1(3×3)Mat distCoeffL; //左相机畸变系数D1(5×1)Mat cameraMatrixR; //右相机内参K2(3×3)Mat distCoeffR; //右相机畸变系数D2(5×1)Mat T; //平移向量T(3×1)Mat R; //旋转矩阵R(3×3)如果是(3×1)旋转向量请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R
};/**** 设置摄像头参数需要根据双目摄像头标定结果进行填写*/
static CameraParam camera1 {640,//width480,//height(Mat_double(3, 3) 7.6159209686633153e02, 0., 3.2031427422691633e02, 0., 7.6167321446015626e02, 2.2467546926913309e02, 0., 0., 1.),//cameraMatrixL(Mat_double(5, 1) 3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL(Mat_double(3, 3) 7.6327773983796783e02, 0., 2.8768149776326379e02, 0., 7.6350419482215057e02, 2.1897333669573928e02, 0., 0., 1.),(Mat_double(5, 1) 3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),(Mat_double(3, 1) -6.0005833075452117e01, 1.7047023105446815e-01, 6.0300273851103448e-01),(Mat_double(3, 3) 9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),
};#ifdef PLATFORM_ANDROIDstatic void onMouse(int event, int x, int y, int, void *) {
}
static void show_image(const string winname, cv::Mat image, int delay 0, int flags cv::WINDOW_AUTOSIZE) {
}
static bool get_video_capture(string video_file, cv::VideoCapture cap, int width -1, int height -1, int fps -1) {return true;
}
static bool get_video_capture(int camera_id, cv::VideoCapture cap, int width -1, int height -1, int fps -1) {return true;
}
#else/**** 鼠标响应回调函数* param event* param x* param y*/
static void onMouse(int event, int x, int y, int, void *) {if (buttonStatus) {buttonRect.x MIN(x, start.x);buttonRect.y MIN(y, start.y);buttonRect.width std::abs(x - start.x);buttonRect.height std::abs(y - start.y);}switch (event) {case EVENT_LBUTTONDOWN: //鼠标左按钮按下的事件start Point(x, y);buttonRect Rect(x, y, 0, 0);buttonStatus true;cout image(x,y) start;cout world coords(x,y,depth) xyz_coord.atVec3f(start) endl;break;case EVENT_LBUTTONUP: //鼠标左按钮释放的事件buttonStatus false;if (buttonRect.width 0 buttonRect.height 0)break;}
}/**** 显示图像* param winname 窗口名称* param image 图像* param delay 显示延迟0表示阻塞显示* param flags 显示方式*/
static void show_image(const string winname, cv::Mat image, int delay 0, int flags cv::WINDOW_AUTOSIZE) {cv::namedWindow(winname, flags);cv::imshow(winname, image);cv::waitKey(delay);
}/**** 读取视频文件* param video_file 视频文件* param cap 视频流对象* param width 设置图像的宽度* param height 设置图像的高度* param fps 设置视频播放频率* return*/
static bool get_video_capture(string video_file, cv::VideoCapture cap, int width -1, int height -1, int fps -1) {//VideoCapture video_cap;cap.open(video_file);if (width 0 height 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置图像的高度}if (fps 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened())//判断是否读取成功{return false;}return true;
}/**** 读取摄像头* param camera_id 摄像头ID号默认从0开始* param cap 视频流对象* param width 设置图像的宽度* param height 设置图像的高度* param fps 设置视频播放频率* return*/
static bool get_video_capture(int camera_id, cv::VideoCapture cap, int width -1, int height -1, int fps -1) {//VideoCapture video_cap;cap.open(camera_id); //摄像头ID号默认从0开始if (width 0 height 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置捕获图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置捕获图像的高度}if (fps 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened()) //判断是否成功打开相机{return false;}return true;
}#endifclass StereoReconstruct {
public:/**** 构造函数初始化StereoReconstruct* param camera 双目相机参数* param use_wls 是否使用WLS滤波器对视差图进行滤波* param vis 是否显示*/StereoReconstruct(CameraParam camera, bool use_wls true, bool vis false);/**** release*/~StereoReconstruct();/**** 开始双目测距任务* param frameL* param frameR*/void task(Mat frameL, Mat frameR, int delay 0);/**** 畸变校正和立体校正* param imgL 左视图* param imgR 右视图* param rectifiedL 校正后左视图* param rectifiedR 校正后右视图*/void get_rectify_image(Mat imgL, Mat imgR, Mat rectifiedL, Mat rectifiedR);/**** 获得视差图* param imgL 畸变校正和立体校正后的左视图* param imgR 畸变校正和立体校正后的右视图* param dispL 返回视差图* param use_wls 是否使用WLS滤波器对视差图进行滤波*/void get_disparity(Mat imgL, Mat imgR, Mat dispL, bool use_wls true);//SGBM匹配算法/**** 计算像素点的3D坐标左相机坐标系下* param disp 视差图* param points_3d 返回三维坐标points_3d三个通道分布表示(X,Y,Z)其中Z是深度图depth, 即距离,单位是毫米(mm)* param scale 单位变换尺度,默认scale1.0,单位为毫米*/void get_3dpoints(Mat disp, Mat points_3d, float scale 1.0);/**** 将输入深度图转换为伪彩色图方面可视化* param depth* param colormap*/void get_visual_depth(cv::Mat depth, cv::Mat colormap, float clip_max 6000.0);/**** 显示矫正效果* param rectifiedL* param rectifiedR*/void show_rectify_result(cv::Mat rectifiedL, cv::Mat rectifiedR);/**** 可视化视差图和深度图* param frameL* param frameR* param points_3d* param disp* param delay*/void show_2dimage(Mat frameL, Mat frameR, Mat points_3d, Mat disp, int delay);/**** 显示Mat的最大最小值* param src* param vmin 最小值下限* param vmax 最大值下限*/void clip(cv::Mat src, float vmin, float vmax);/**** 显示Mat的最大最小值* param src* param th* param vmin*/void clip_min(cv::Mat src, float th, float vmin);public:string depth_windows depth-color; // 深度图的窗口名称int vis; // 是否可视化int use_wls; // 是否使用WLS滤波器对视差图进行滤波Size image_size; // 图像宽高(width,height)Rect validROIL; // 图像校正之后会对图像进行裁剪这里的左视图裁剪之后的区域Rect validROIR; // 图像校正之后会对图像进行裁剪这里的右视图裁剪之后的区域Mat mapLx, mapLy, mapRx, mapRy; // 映射表Mat Rl, Rr, Pl, Pr, Q; // 校正后的旋转矩阵R投影矩阵P, 重投影矩阵QMat dispL; // 视差图(CV_32F)Mat disp_colormap; // 视差图可视化图(CV_8UC3)Mat depth; // 深度图(CV_32F)Mat depth_colormap; // 深度图可视化图(CV_8UC3)Mat points_3d; // 世界坐标图(CV_32F)cv::Ptrcv::StereoSGBM sgbm;
};#endif //CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H(2) JNI C接口
#include jni.h
#include string
#include fstream
#include src/stereo_reconstruct.h
#include android_utils.h
#include debug.h
#include opencv2/opencv.hppStereoReconstruct *stereo nullptr;JNIEXPORT jint JNI_OnLoad(JavaVM *vm, void *reserved) {return JNI_VERSION_1_6;
}JNIEXPORT void JNI_OnUnload(JavaVM *vm, void *reserved) {}extern C
JNIEXPORT void JNICALL
Java_com_cv_binocular_reconstruct_StereoReconstruct_init(JNIEnv *env, jclass clazz, jboolean use_wls) {CameraParam camera camera1;//双目相机参数(请根据自己双目相机标定结果进行修改)//bool use_wls true; //是否使用WLS滤波器对视差图进行滤波stereo new StereoReconstruct(camera, use_wls, false);
}extern C
JNIEXPORT void JNICALL
Java_com_cv_binocular_reconstruct_StereoReconstruct_reBuild(JNIEnv *env, jclass clazz, jobject bitmapL,jobject bitmapR,jobject disp_colormap,jobject depth_colormap) {Mat frameL; // 左视图Mat frameR; // 右视图BitmapToMatrix(env, bitmapL, frameL);BitmapToMatrix(env, bitmapR, frameR);stereo-task(frameL, frameR, 0);MatrixToBitmap(env, stereo-disp_colormap, disp_colormap); //视差图可视化图(CV_8UC3)MatrixToBitmap(env, stereo-depth_colormap, depth_colormap);//视差图可视化图(CV_8UC3)LOGW(frameL : (%d,%d), frameL.cols, frameL.rows);LOGW(disp_colormap : (%d,%d), stereo-disp_colormap.cols, stereo-disp_colormap.rows);LOGW(depth_colormap : (%d,%d), stereo-depth_colormap.cols, stereo-depth_colormap.rows);
}extern C
JNIEXPORT jobject JNICALL
Java_com_cv_binocular_reconstruct_StereoReconstruct_getWorld(JNIEnv *env, jclass clazz, jint x,jint y) {cv::Vec3f point stereo-points_3d.atVec3f(Point(x, y));float cx point[0];float cy point[1];float cz point[2];LOGW(image(x,y)[%d,%d] world(x,y,depth)[%3.2f,%3.2f,%3.2f]mm, x, y, cx, cy, cz);auto cls_point env-FindClass(com/cv/binocular/reconstruct/Point3d);auto init_id env-GetMethodID(cls_point, init, (FFF)V);env-PushLocalFrame(1);jobject obj env-NewObject(cls_point, init_id, cx, cy, cz);obj env-PopLocalFrame(obj);return obj;
}
(3) JNI Java接口 package com.cv.binocular.reconstruct;import android.graphics.Bitmap;public class StereoReconstruct {static {System.loadLibrary(binocular_wrapper);}/**** 初始化* param use_wls 是否使用WLS滤波器对视差图进行滤波*/public static native void init(boolean use_wls);/**** 进行双目三维重建* param frameL: 输入左视图* param frameR输入右视图* param disp_colormap输出视差图可视化图* param depth_colormap输出深度图可视化图* return*/public static native void reBuild(Bitmap frameL, Bitmap frameR, Bitmap disp_colormap, Bitmap depth_colormap);/**** 将图像坐标映射为世界坐标(world coordinate)* param x 输入图像像素坐标x* param y 输入图像像素坐标y* return Point3d世界坐标(x, y, z)其中z为深度距离*/public static native Point3d getWorld(int x, int y);
}6. Android Demo测试效果
Android版本双目测距Demo源码提供图片视频和摄像头三种方式测试
Android Demo图片测试项目资源src/main/assets自带一对左右视图的测试图片你需要将测试图片拷贝到你的手机然后在Demo APP点击【图片】打开图片即可如果你想测试自己的图片请将左视图文件命名为left***.png右视图文件命名为right***.png否则不能正常加载左右视图。图片格式支持jpg,png等多种格式Android Demo视频测试项目资源src/main/assets自带一对左右视图的视频文件你需要将测试视频拷贝到你的手机然后在Demo APP点击【视频】打开视频即可如果你想测试自己的视频请将左视图视频文件命名为left***.mp4右视图视频文件命名为right***.mp4否则不能正常加载左右视图。视频格式支持mp4,avi等多种格式Android Demo摄像头测试需要Android设备支持两个摄像头源码部分cameraL 0对应前置摄像头cameraR 1对应后置摄像头仅作为Android手机测试使用真实Android手机双目摄像头必须要同一平面上。Android版本的Demo效果图触摸手机屏幕点击图像位置会显示对应距离信息 Android版本的Demo体验https://download.csdn.net/download/guyuealian/87611878 从测试效果可以看到使用WLS滤波后视差图的整体效果都有明显改善但速度会变慢哦
未使用WLS滤波器使用WLS滤波器7.双目三维重建项目代码Android版本下载
完整的Android项目代码请公众号咨询联系非无偿
整体Android项目源码包含 Demo支持使用WLS滤波器对视差图进行滤波Demo支持双目测距误差在1cm内(触摸手机屏幕点击图像位置会显示对应距离信息)Demo支持图片视频摄像头测试所有依赖库都已经配置好可直接build运行8. 双目三维重建项目代码C/C版本
目前已经实现了OpenCV C版本的双目测距与Python版本效果几乎一致
详细请查看鄙人另一篇博客《OpenCV C双目摄像头实现双目测距》:OpenCV C双目三维重建双目摄像头实现双目测距_opencv双目三维重建_AI吃大瓜的博客-CSDN博客
9. 双目三维重建项目代码Python版本
如果你需要Python版本的双目测距 请查看鄙人另一篇博客《双目三维重建系统(双目标定立体校正双目测距点云显示)Python》 双目测距Demo视频 10.参考资料
OpenCV C双目三维重建双目摄像头实现双目测距双目三维重建双目摄像头实现双目测距Python双目三维重建系统(双目标定立体校正双目测距点云显示)Python https://blog.csdn.net/guyuealian/article/details/129762989 Ubuntu18.04安装opencv和opencv_contrib
