Jupyter Notebook默认保存路径的修改： step1.打开cmd，运行 jupyter notebook --generate-config 因为我之前更改过，所以出现了overwrite，不用管他，直接看路径去这个文件夹下找到这个文件，右键打开方式用记事本打开。   step2.快捷键Ctrl+F,查找 notebook_dir ,找到红框所示内容，更改此段内容#c.NotebookApp.notebook_dir = ''，把c.之前的#删除，再最后的引号内输入更改后的路径，保存即可退出。一般到这步就行了，但是如果再次打开jupyter notebook 默认路径没...

之前看了很多的示意图，但是感觉讲解和推导都不清楚，所以自己画了一个原理图，看不懂的话可以留言    根据上面的原理图可知，Z（深度）只和三个参数有关，即：B(两个相机中心间距), f(相机的焦距) , d(左右对应点的视差) B和f对于固定相机来说是个定制，因此得到视差图后就知道每个点的d值，继而得出每个点的Z深度值。 下面用到BM和SGBM两种立体匹配方法生成深度图，根据深度图测距。 #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/core.hpp> #include &lt...

双目相机的读取和拆分 这款型号的双目读出来的是左右拼接在一起的帧，需要另外分割一下使其分离。 分辨率有三种格式：640x240（分离后左右每帧320x240），1280x480（分离后每帧640x240），2560x960（分离后每帧1280x480）。 注意：可以更改分辨率，但是无论你的分辨率怎么改，最后都会默认成设置最接近的三种分辨率之一，感兴趣的可以试试。 我把每帧分离后分别保存到不同文件夹中，运行之后按空格键就可以保存当前帧。 在这里插入代 #include <opencv2/opencv.hpp> #include <io...

由两张视差图生成深度图，SGBM方法输入的是未矫正的图片，BM输入的是校正后的图片 在这里插入代码片#include <opencv2/highgui/highgui.hpp> #include <opencv2/core/core.hpp> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; Mat left_img= imread("E:\\picture\\stereo_camera\\重建左\\left_4.jpg"); Mat r...

![灰度图](https://img-blog.csdnimg.cn/20200601204821393.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FzYWJjMTIzNDU=,size_16,color_FFFFFF,t_70 因为只有一个视角的深度图，所以生成的点云图很粗糙只有个轮廓，顶多算是稀疏原始点云。还需要后期点云滤波、多点云拼接。至于为什么会有对称的两个轮廓，我觉得可能生成了左右两个视角的点云图，还有我的相机参数不完...

PCL程序运行后先加载所有的点云坐标，被刷屏了，等待时间较长。 我上传了免费的兔子点云模型，链接见https://download.csdn.net/download/Asabc12345/12488127 #include <iostream> //标准输入输出流 #include <pcl/io/pcd_io.h> //PCL的PCD格式文件的输入输出头文件 #include <pcl/io/ply_io.h> //PCL的ply格式文件的输入输出头文件 #include <pcl/point_types.h> //PCL对各种格式的...

这篇文章是PCL官网关于两个点云配准的一个demo，我翻译了一下并做了一点小修改。使用的是ICP算法，该程序将加载点云并对其施加刚性变换。之后，ICP算***将变换后的点云与原始对齐。每次用户按下“空格”，都会进行一次ICP迭代，并刷新查看器。 原文链接：交互式ICP点云配准 为了能让小白更直观的理解，我直接说重点（上来就能运行输出结果）： 1.输入： 此处输入两个ply格式的点云，可以是同一个模型，也不一定是不同姿态的两个模型，其中cloud_in是目标点云模型（固定不动，显示为白色），cloud_icp是迭代点云模型（显示为红色），第一次会先复制给点云模型cloud_tr（cloud_ic...

点云配准NDT+ICP #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/registration/icp.h>//icp头文件 #include <pcl/registration/ndt.h> //ndt头文件 #include <pcl/visualization/pcl_visualizer.h> #include <pcl/point_cloud.h> #include ...

采用SAC-IA(采样一致性初始配准算法)进行粗匹配得到大概位置， 再结合ICP（迭代最近点算法(Iterative Cloest Point, ICP)）算法进行精确配准。 绿色是源点云，红色是目标点云，蓝色是配准之后的点云） #include <pcl/registration/ia_ransac.h> #include <pcl/point_types.h> #include <pcl/point_cloud.h> #include <pcl/features/normal_3d.h> #include <pcl/feature...

我先把一个人脸分成两半，然后拼接配准之后如左图所示，合并之后如右图所示，保存输出，这里的合并不涉及点云融合，只是两个点云相加 点云模型下载链接在另一篇文章里PCL点云配准官方教程 #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include <pcl/visualization/pcl_visualizer.h> //可视化头文件 typedef pcl::PointXYZ PointT; typedef pcl::PointCloud<PointT> PointCloudT;...

#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace std; using namespace cv; int main(int argc, char** argv) { Mat img = imread("E:\\intern\\depth\\disp0.png", 0); imshow("img", img); /...

有人容易把视差图跟深度图搞混，一切还是要从这个公式说起：Z=f*B/d Z是深度，B是双目相机的光心间距（基线长度），f是相机焦距，d就是视差（左右相机对应特征像素坐标差值）。 而我们说的视差图就是灰度图的灰度值为d的时候，想转化为Z就变成了深度图，所以这是个并不复杂的问题。 代码里fx是内参的值，x方向的焦距，baseline是基线长。 这里要注意深度图的类型，不同图像类型的尺度范围是不一样的，那么如果直接用于距离测量得到的只是一个相对深度，而不是精确的距离。如果图像的类型是CV_8UC1，那么对应的标识符要变成uchar ,CV_8S对应的是char, CV_16U对应的标识符应该是ush...

PCL点云滤波模块，有一种方法叫做参数化模型投影点云滤波，意思就是创建一个参数化模型（可以是平面，球体，椎体等），然后将点云投影到上面，比如说如果投影到平面上，那么就实现了三维降到二维，滤掉了一个维度，也勉强算是滤波吧。 掌握了这种方法感觉一下子掌握了宇宙中最强大的能力之一：降维打击！ 以后看哪个模型不顺眼就拍扁它，哈哈哈~ 进入正题，虽然感觉牛逼轰轰但是原理很简单，比如我把点云的z方向坐标全都设置为0，那么就实现了向X-Y平面的投影 pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients()); ...

PCL滤波—从一个点云中提取一个子集——ExtractIndices滤波器——索引滤波器 索引滤波的官方教程添加链接描述 使用该方法结合降采样和统计滤波可以很好的完成地面分离。 此处是索引滤波头文件 #include <pcl/filters/extract_indices.h> 此处是重点，距离阈值的参数影响计算速度和地面分割精度，不同模型的参数不一样，一般是0.01-0.2之间取值 seg.setMaxIterations(100); //设置最大迭代次数 seg.setDistanceThreshold(0.15); ...