【NVIDIA Jetson TK1】三，TK1开发板运行opencv光流程序，光流代码
目录
- 目录
- 说明
- 程序代码
- 1 代码说明
- 2 代码使用说明
- 运行截图
- 问题与解决方法
- 接下来
1 说明
开始弄别的东西了，opencv的研究可能的放一放，其实说研究，主要就是调一调代码，研究一下几个函数接口，还看了一下learning opencv 那本书。不过怕以后忘了，现在把之前弄得东西总结总结，之前在电脑上跑不错的光流用箭头显示的程序，成功移植到了TK1上，现在把代码贴出来。
运行环境：
1.nvidia jetson tk1
2.opencv 2.4.9
3.linux 的 g++
2 程序代码
#include <stdio.h>
#include <windows.h>
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include <opencv2\opencv.hpp>
using namespace cv;
static const double pi = 3.14159265358979323846;
inline static double square(int a)
{
return a * a;
}
/*该函数目的：给img分配内存空间，并设定format，如位深以及channel数*/
inline static void allocateOnDemand(IplImage **img, CvSize size, int depth, int channels)
{
if (*img != NULL) return;
*img = cvCreateImage(size, depth, channels);
if (*img == NULL)
{
fprintf(stderr, "Error: Couldn't allocate image. Out of memory?\n");
exit(-1);
}
}
/*主函数，原程序是读取avi视频文件，然后处理，我简单改成从摄像头直接读取数据*/
int main(int argc, char *argv[])
{
//读取摄像头
VideoCapture cap(0);
//读取视频文件
//VideoCapture cap; cap.open("optical_flow_input.avi");
if (!cap.isOpened())
{
return -1;
}
Mat frame;
/* bool stop = false; while (!stop) { cap >> frame; // cvtColor(frame, edges, CV_RGB2GRAY); // GaussianBlur(edges, edges, Size(7, 7), 1.5, 1.5); // Canny(edges, edges, 0, 30, 3); // imshow("当前视频", edges); imshow("当前视频", frame); if (waitKey(30) >= 0) stop = true; } */
//CvCapture *input_video = cvCaptureFromFile( "optical_flow_input.avi" );
//cv::VideoCapture cap = *(cv::VideoCapture *) userdata;
//if (input_video == NULL)
// {
// fprintf(stderr, "Error: Can't open video device.\n");
// return -1;
// }
/*先读取一帧，以便得到帧的属性，如长、宽等*/
//cvQueryFrame(input_video);
/*读取帧的属性*/
CvSize frame_size;
frame_size.height = cap.get(CV_CAP_PROP_FRAME_HEIGHT);
frame_size.width = cap.get(CV_CAP_PROP_FRAME_WIDTH);
/*********************************************************/
/*用于把结果写到文件中去,非必要 int frameW = frame_size.height; // 744 for firewire cameras int frameH = frame_size.width; // 480 for firewire cameras VideoWriter writer("VideoTest.avi", -1, 25.0, cvSize(frameW, frameH), true); /*开始光流法*/
//VideoWriter writer("VideoTest.avi", CV_FOURCC('D', 'I', 'V', 'X'), 25.0, Size(640, 480), true);
while (true)
{
static IplImage *frame = NULL, *frame1 = NULL, *frame1_1C = NULL,
*frame2_1C = NULL, *eig_image = NULL, *temp_image = NULL,
*pyramid1 = NULL, *pyramid2 = NULL;
Mat framet;
/*获取第一帧*/
// cap >> framet;
cap.read(framet);
Mat edges;
//黑白抽象滤镜模式
// cvtColor(framet, edges, CV_RGB2GRAY);
// GaussianBlur(edges, edges, Size(7, 7), 1.5, 1.5);
// Canny(edges, edges, 0, 30, 3);
//转换mat格式到lpiimage格式
frame = &IplImage(framet);
if (frame == NULL)
{
fprintf(stderr, "Error: Hmm. The end came sooner than we thought.\n");
return -1;
}
/*由于opencv的光流函数处理的是8位的灰度图，所以需要创建一个同样格式的 IplImage的对象*/
allocateOnDemand(&frame1_1C, frame_size, IPL_DEPTH_8U, 1);
/* 把摄像头图像格式转换成OpenCV惯常处理的图像格式*/
cvConvertImage(frame, frame1_1C, 0);
/* 我们需要把具有全部颜色信息的原帧保存，以备最后在屏幕上显示用*/
allocateOnDemand(&frame1, frame_size, IPL_DEPTH_8U, 3);
cvConvertImage(frame, frame1, 0);
/* 获取第二帧 */
//cap >> framet;
cap.read(framet);
// cvtColor(framet, edges, CV_RGB2GRAY);
// GaussianBlur(edges, edges, Size(7, 7), 1.5, 1.5);
// Canny(edges, edges, 0, 30, 3);
frame = &IplImage(framet);
if (frame == NULL)
{
fprintf(stderr, "Error: Hmm. The end came sooner than we thought.\n");
return -1;
}
/*原理同上*/
allocateOnDemand(&frame2_1C, frame_size, IPL_DEPTH_8U, 1);
cvConvertImage(frame, frame2_1C, 0);
/********************************************************* 开始shi-Tomasi算法，该算法主要用于feature selection,即一张图中哪些是我 们感兴趣需要跟踪的点(interest point) input: * "frame1_1C" 输入图像. * "eig_image" and "temp_image" 只是给该算法提供可操作的内存区域. * 第一个".01" 规定了特征值的最小质量，因为该算法要得到好的特征点，哪就 需要一个选择的阈值 * 第二个".01" 规定了像素之间最小的距离，用于减少运算复杂度，当然也一定 程度降低了跟踪精度 * "NULL" 意味着处理整张图片，当然你也可以指定一块区域 output: * "frame1_features" 将会包含fram1的特征值 * "number_of_features" 将在该函数中自动填充上所找到特征值的真实数目, 该值<= 400 **********************************************************/
/*开始准备该算法需要的输入*/
/* 给eig_image,temp_image分配空间*/
allocateOnDemand(&eig_image, frame_size, IPL_DEPTH_32F, 1);
allocateOnDemand(&temp_image, frame_size, IPL_DEPTH_32F, 1);
/* 定义存放frame1特征值的数组，400只是定义一个上限 */
CvPoint2D32f frame1_features[400];
int number_of_features = 400;
/*开始跑shi-tomasi函数*/
cvGoodFeaturesToTrack(frame1_1C, eig_image, temp_image, frame1_features, &number_of_features, .01, .01, NULL);
/*开始为pyramid lucas kanade光流算法输入做准备*/
CvPoint2D32f frame2_features[400];
/* 该数组相应位置的值为非零，如果frame1中的特征值在frame2中找到 */
char optical_flow_found_feature[400];
/* 数组第i个元素表对应点光流误差*/
float optical_flow_feature_error[400];
/*lucas-kanade光流法运算窗口,这里取3*3的窗口,可以尝试下5*5,区别就是5*5 出现aperture problem的几率较小,3*3运算量小，对于feature selection即shi-tomasi算法来说足够了*/
CvSize optical_flow_window = cvSize(5, 5);
// CvSize optical_flow_window = cvSize(5, 5);
/* 终止规则，当完成20次迭代或者当epsilon<=0.3，迭代终止，可以尝试下别的值*/
CvTermCriteria optical_flow_termination_criteria= cvTermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, .3);
/*分配工作区域*/
allocateOnDemand(&pyramid1, frame_size, IPL_DEPTH_8U, 1);
allocateOnDemand(&pyramid2, frame_size, IPL_DEPTH_8U, 1);
/*开始跑该算法*/
cvCalcOpticalFlowPyrLK(
frame1_1C, frame2_1C,
pyramid1,pyramid2,
frame1_features,frame2_features,
number_of_features,
optical_flow_window, 5,
optical_flow_found_feature,
optical_flow_feature_error,
optical_flow_termination_criteria, 0);
/********************************************************** 开始金字塔Lucas Kanade光流法，该算法主要用于feature tracking,即是算出 光流，并跟踪目标。 input: * "frame1_1C" 输入图像，即8位灰色的第一帧 * "frame2_1C" 第二帧，我们要在其上找出第一帧我们发现的特征点在第二帧 的什么位置 * "pyramid1" and "pyramid2" 是提供给该算法可操作的内存区域，计算中间 数据 * "frame1_features" 由shi-tomasi算法得到的第一帧的特征点. * "frame2_features" 根据第一帧的特征点，在第二帧上所找到的对应点 * "number_of_features" 第一帧特征点的数目 * "optical_flow_window" lucas-kanade光流算法的运算窗口,具体lucas-kanade 会在下一篇详述 * "5" 指示最大的金字塔层数，0表示只有一层，那就是没用金字塔算法 * "optical_flow_found_feature" 用于指示在第二帧中是否找到对应特征值， 若找到，其值为非零 * "optical_flow_feature_error" 用于存放光流误差 * "optical_flow_termination_criteria" 该算法中迭代终止的判别，这里是 epsilon<0.3，epsilon是两帧中对应特征窗口的光度之差的平方，这个以后的文 章会讲 * "0" 这个我不知道啥意思，反正改成1就出不来光流了，就用作者原话解释把 means disable enhancements. (For example, the second array isn't pre-initialized with guesses.) output: **********************************************************/
/*画光流场，画图是依据两帧对应的特征值， 这个特征值就是图像上我们感兴趣的点，如边缘上的点P(x,y)*/
for (int i = 0; i< number_of_features; i++)
{
/* 如果没找到对应特征点 */
if (optical_flow_found_feature[i] == 0)
continue;
int line_thickness;
line_thickness = 1;
/* CV_RGB(red, green, blue) is the red, green, and blue components * of the color you want, each out of 255. */
CvScalar line_color;
line_color = CV_RGB(255, 0, 0);
/*画箭头,因为帧间的运动很小，所以需要缩放，不然看不见箭头，缩放因子为3*/
CvPoint p, q;
p.x = (int)frame1_features[i].x;
p.y = (int)frame1_features[i].y;
q.x = (int)frame2_features[i].x;
q.y = (int)frame2_features[i].y;
double angle;
angle = atan2((double)p.y - q.y, (double)p.x - q.x);
double hypotenuse;
hypotenuse = sqrt(square(p.y - q.y) + square(p.x - q.x));
/*执行缩放*/
q.x = (int)(p.x - 5 * hypotenuse * cos(angle));
q.y = (int)(p.y - 5 * hypotenuse * sin(angle));
/*画箭头主线*/
/* "frame1"要在frame1上作画. * "p" 线的开始点. * "q" 线的终止点. * "CV_AA" 反锯齿. * "0" 没有小数位. */
cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0);
/* 画箭的头部*/
p.x = (int)(q.x + 9 * cos(angle + pi / 4));
p.y = (int)(q.y + 9 * sin(angle + pi / 4));
cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0);
p.x = (int)(q.x + 9 * cos(angle - pi / 4));
p.y = (int)(q.y + 9 * sin(angle - pi / 4));
cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0);
}
/*显示图像*/
/*创建一个名为optical flow的窗口，大小自动改变*/
cvNamedWindow("Optical Flow", CV_WINDOW_NORMAL);
cvFlip(frame1, NULL, 2);
cvShowImage("Optical Flow", frame1);
/*延时，要不放不了*/
cvWaitKey(33);
/*写入到文件中去*/
// cv::Mat m = cv::cvarrToMat(frame1);//转换lpimgae到mat格式
// writer << m;//opencv3.0 version writer
}
cap.release();
cvWaitKey(33);
system("pause");
}
... prompt'''2.1 代码说明
代码吗，就是那个经典的光流代码，用的是lucas五层金字塔，还是那个味道，大体上没有什么变化。
这个代码写的很完善，注释也很齐全，一般都能看的懂，很有学习价值。
而且这个代码可以从摄像头获取数据，还可以从视频文件获取数据。
2.2 代码使用说明
在tk1上的使用方法：
1，首先把上面那段代码保存成比如optical.cpp的文件拷到tk1的某个文件夹位置。
2，然后打开终端，cd进入那个文件夹的位置。
3，在终端中输入
g++ optical.cpp -lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_video -lopencv_contrib -lopencv_features2d -lopencv_flann -lopencv_gpu -lopencv_legacy -lopencv_ml -lopencv_objdetect -lopencv_photo -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_calib3d -o optical
4，能跑通的话，cpp文件应该会消失，在该文件夹中出现一个可执行的文件。
5，要运行这个程序的话，两种方式：
一个是接着上面那短代码接着输入
./optical这样会在终端中显示运行情况，如果有错误，或者运行不了，在终端中会有错误的提醒。
第二种方式就是直接点击该文件夹里的那个叫optical 的可执行文件，但不会显示运行的情况，只有一个对话框运行着光流代码。
3 运行截图
效果图一，可以看到下面的类mac os的dock，叫docky，私认为很好用
效果图二，静止时的效果
4 问题与解决方法
问题一：一开始的时候不会在板子上编译opencv的c++代码，用g++的时候总是报错。
解决方法：链接的库链少了，最终就像上面的代码写的那样，我把大部分的opencv库全部链接上了，如下，结果就顺利编译成功
g++ optical.cpp -lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_video -lopencv_contrib -lopencv_features2d -lopencv_flann -lopencv_gpu -lopencv_legacy -lopencv_ml -lopencv_objdetect -lopencv_photo -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_calib3d -o optical
5 接下来
接下来会继续写一篇有关其他光流的应用在tk1上的实现，还会写一下之前研究了一段时间的双目视觉的东西，也就是用两个摄像头模仿眼睛，输出一些视差图啦，距离之类的东西，但是我那个双目视觉的代码还不完善，只能在电脑上运行，tk1上能编译，但是还跑不了，怀疑是因为tk1上用了hub，或者tk1没法打开两个摄像头？再弄弄看吧
更多光流算法，可见我之前的文章: http://blog.csdn.net/hysteric314/article/details/48682327