LabVIEW实现深度相机与三维定位实战(上)

‍‍博客主页: virobotics的CSDN博客:LabVIEW深度学习、人工智能博主
所属专栏:『LabVIEW深度学习实战』
上期文章: LabVIEW中使用opencv快速实现视频的读写
如觉得博主文章写的不错或对你有所帮助的话,还望大家多多支持呀! 欢迎大家✌关注、点赞、✌收藏、订阅专栏

文章目录

  • 前言
  • 一、多种深度相机及原理
  • 二、环境搭建
    • 2.1 部署本项目时所用环境
    • 2.2 LabVIEW工具包下载及安装
  • 三、双目相机采集图像及原理
    • 3.1 双目相机结构
    • 3.2 双目图像采集
    • 3.3 双目深度测量原理
      • 一个小实验
      • 理想双目模型(上)
      • 理想双目模型(下)
      • 分析小实验
  • 四、项目源码
  • 总结

前言

Hello,大家好,这里是virobotics。今天给大家分享在LabVIEW中实现深度相机与三维定位相关理论知识。


一、多种深度相机及原理

1.双目摄像机:获取左右两个RGB图像,通过机器视觉算法,进行“同源点”匹配,从而得到“视差”,计算深度。
LabVIEW实现深度相机与三维定位实战(上)_第1张图片

2.双目+结构光相机:在双目相机的基础上,主动向物体投射编码激光,并接收发射。这样可以更快、更准确地进行匹配。(因为左右画面中,相同的反射点,就是同源点)经常用于3D人脸识别。
LabVIEW实现深度相机与三维定位实战(上)_第2张图片

3.ToF深度相机:ToF(Time of flight),即飞行时间法,是一种深度测量的方法,精度为厘米级。其测距原理是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行(往返)时间来得到目标物距离。
LabVIEW实现深度相机与三维定位实战(上)_第3张图片


二、环境搭建

2.1 部署本项目时所用环境

  • 操作系统:Windows10
  • python:3.6及以上
  • LabVIEW:2018及以上 64位版本
  • AI视觉工具包:techforce_lib_opencv_cpu-1.0.0.98.vip
  • onnx工具包:virobotics_lib_onnx_cuda_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】

2.2 LabVIEW工具包下载及安装

  • AI视觉工具包下载与安装参考:
    https://blog.csdn.net/virobotics/article/details/123656523
  • onnx工具包下载与安装参考:
    https://blog.csdn.net/virobotics/article/details/124998746

三、双目相机采集图像及原理

3.1 双目相机结构

双目相机,是由两个相对位置固定的单目摄像头构成。通常,两个摄像头位于同一个拍摄平面,且光轴(Z轴)平行。左右摄像头中心连线称为“基线”。基线与X轴平行,如下图。两个摄像头,除了安装位置不一样,其余相机参数(焦距、分辨率、视角范围等等)均应相同。
LabVIEW实现深度相机与三维定位实战(上)_第4张图片

3.2 双目图像采集

任意选取一款市面上流行的“USB免驱”双目摄像机进行实验。其他参数,如:基线长度、镜头焦距、像素数等,请根据实际应用场景进行选型。

本实验以深圳金乾象生产的 KS4A418-D 型号双目相机为例。其基线在38~167mm之间可调。实验前,先固定一种基线长度。
LabVIEW实现深度相机与三维定位实战(上)_第5张图片

1、第一步: 通过USB数据线,将双目摄像机连到电脑的任意一个USB接口。
2、第二步:打开“范例\StereoVideo.vi”
LabVIEW实现深度相机与三维定位实战(上)_第6张图片

3、第三步:切换到程序框图,修改cameraID为双目相机对应的ID号。
通常电脑自带的摄像头ID为0,其他外接摄像头ID依次+1。如果电脑没有自带摄像头,那么外接的双目相机的ID就是0。
LabVIEW实现深度相机与三维定位实战(上)_第7张图片

4、第四步:设置分辨率。通常单目摄像头的分辨率的宽高比为16:9或4:3,那么对应的双目分辨率的宽高比应为32:9或8:3,即宽度增加一倍。 为了方便与后面章节的ACVNet模型对接,这里推荐使用分辨率640*240。

(本实验所用的双目摄像头,可以根据用户设置的分辨率,自动切换单目和双目模式。单目模式只采集Left摄像头画面,双目模式采集Left和Right摄像头拼接的画面)

5、第五步:切换到前面板,运行VI。可以观察到采集的双目画面。VI通过一定的算法,将双目画面分离成Left和Right两张图。(有些型号的双目相机,画面是左右颠倒的,可以将Switch设为“左右交换”予以修正)
LabVIEW实现深度相机与三维定位实战(上)_第8张图片

6、第六步:点击“OK”,可以将当前的Left和Right画面保存成图片文件。点击“Stop”退出程序。
LabVIEW实现深度相机与三维定位实战(上)_第9张图片

3.3 双目深度测量原理

一个小实验

LabVIEW实现深度相机与三维定位实战(上)_第10张图片
LabVIEW实现深度相机与三维定位实战(上)_第11张图片

理想双目模型(上)

下图所示为点P在理想双目相机模型中的成像原理。
LabVIEW实现深度相机与三维定位实战(上)_第12张图片

粗体蓝线代表两个相机图像传感器上的靶面(成像平面)
B为基线,即两个相机中心点之间的距离;
FL与FR分别为左右相机的焦距,理想FL=FR=F;
CL与CR分别为左右相机的光心的横坐标(指到靶面左边缘的实际距离,下同),理想CL=CR;
XL与XR分别为点P在左右相机靶面上成像点的横坐标
设点P到双目相机基线的距离(深度)为Z,根据相似三角形定理,可得:

在这里插入图片描述
整理后为:Z = B*F/(XL - XR)

理想双目模型(下)

深度计算公式:Z = B*F/(XL - XR)
其中(XL – XR)称为视差,即空间中相同一点在左右相机的靶面上成像点的横坐标之差。可以看出,视差与深度成反比。

注意上述的视差是个实际尺寸,而不是像素横坐标之差,但是在相同的分辨率下,二者成正比。

视差 = 像素横坐标之差 * 像元尺寸

像元尺寸就是单个像素在靶面上的实际尺寸,所以:

像元尺寸 = 靶面尺寸/分辨率

综上,像素横坐标之差 也与深度成反比。我们可以通过固定点的标定实验,直接确定 像素横坐标之差 与深度之间的系数,从而为将来计算深度提供方便。

左目中心为坐标原点,
则P点空间坐标估算为:

Z = B*F/(XL - XR)

X = Z*(XL - CL)/F

Y = Z*(YL - CL)/F

(YL-CL代表投射点与左中心的纵坐标之差,下图中未画出,但原理类似)

LabVIEW实现深度相机与三维定位实战(上)_第13张图片

分析小实验

由双目相机的深度计算公式可知,视差与深度成反比。也就是说,远处物体的视差小,近处物体的视差大。所以,当从左眼换到右眼时,月亮在画面中的横坐标几乎没变化,而手指的横坐标却有较大的移动,因而无法继续维持“手捏月亮”的视觉效果。

LabVIEW实现深度相机与三维定位实战(上)_第14张图片


四、项目源码

如需源码,请在一键三联并订阅本专栏后评论区留下邮箱


总结

以上就是今天要给大家分享的内容,希望对大家有用。下一篇文章将给大家介绍LabVIEW中实现AVC算法,实现三维定位。我是virobotics,我们下篇文章见~

如果文章对你有帮助,欢迎✌关注、点赞、✌收藏、订阅专栏

推荐阅读

LabVIEW图形化的AI视觉开发平台(非NI Vision),大幅降低人工智能开发门槛
LabVIEW图形化的AI视觉开发平台(非NI Vision)VI简介
LabVIEW AI视觉工具包OpenCV Mat基本用法和属性
手把手教你使用LabVIEW人工智能视觉工具包快速实现图像读取与采集

技术交流 · 一起学习 · 咨询分享,请联系

你可能感兴趣的:(LabVIEW深度学习实战,labview,目标检测,人工智能,计算机视觉,YOLO)