解码格雷码模式教程

目标

在本教程中，您将学习如何使用GrayCodePattern类来：

• 解码先前获取的格雷码模式。
• 生成视差图。
• 生成点云。

代码

/*M///////////////////////////////////////////////////////////////////////////////////////
 //
// 重要：下载、复制、安装或使用前请阅读。
 //
// 下载、复制、安装或使用本软件即表示您同意本许可协议。
// 如果你不同意本许可协议，请不要下载、安装、
// 复制或使用本软件。
 //
 //
// 许可协议
// 适用于开源计算机视觉库
 //
// 版权所有 (C) 2015，OpenCV 基金会，保留所有权利。
// 第三方版权归其各自所有者所有。
 //
// 允许以源代码和二进制形式重新分发和使用本软件，无论是否修改，
// 只要满足以下条件：
 //
// * 源代码的重新分发必须保留上述版权声明、
// 此条件列表以及以下免责声明。
 //
// * 二进制形式的重新分发必须在文档中复制上述版权声明、
// 此条件列表以及以下免责声明
// 和/或与分发提供的其他材料。
 //
// * 未经事先明确的书面许可，不得使用版权持有人的名称来认可或推广
// 源于本软件的衍生产品。
 //
// 本软件由版权持有人和贡献者“按原样”提供，并且
// 任何明示或暗示的担保，包括但不限于对适销性和
// 适用于特定用途的暗示担保均被排除。
// 英特尔公司或贡献者在任何情况下均不对任何直接的、
// 间接的、偶然的、特殊的、惩罚性的或后果性损害赔偿负责
// （包括但不限于替代商品或服务的采购；
// 使用损失、数据损失或利润损失；或业务中断）无论其成因如何
// 以及任何责任理论，无论是基于合同、严格责任、
// 还是侵权行为（包括疏忽或其他原因）以任何方式产生于
// 本软件的使用，即使已被告知此类损害的可能性。
 //
//M*/
 
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/structured_light.hpp>
#include <opencv2/opencv_modules.hpp>
 
// （如果您没有构建opencv_viz模块，您将只能看到视差图像）
#ifdef HAVE_OPENCV_VIZ
#include <opencv2/viz.hpp>
#endif
 
using namespace std;
using namespace cv;
 
static const char* keys =
{ "{@images_list | | 保存已捕获图案图像的图像列表}"
    "{@calib_param_path | | 校准参数}"
    "{@proj_width | | 用于获取图案的投影仪宽度}"
    "{@proj_height | | 用于获取图案的投影仪高度}"
    "{@white_thresh | | 白色阈值高度（可选）}"
    "{@black_thresh | | 黑色阈值（可选）}" };
 
static void help()
{
cout << "\n此示例演示如何使用“结构光模块”解码先前获取的格雷码模式，生成点云"
        "\n调用：\n"
        "./example_structured_light_pointcloud <images_list> <calib_param_path> <proj_width> <proj_height> <white_thresh> <black_thresh>\n"
<< endl;
}
 
static bool readStringList( const string& filename, vector<string>& l )
{
l.resize( 0 );
  FileStorage fs( filename, FileStorage::READ );
  if( !fs.isOpened() )
  {
cerr << "无法打开 " << filename << endl;
    return false;
  }
  FileNode n = fs.getFirstTopLevelNode();
  if( n.type() != FileNode::SEQ )
  {
cerr << "cam 1 图像不是序列！失败" << endl;
    return false;
  }
 
  FileNodeIterator it = n.begin(), it_end = n.end();
  for( ; it != it_end; ++it )
  {
l.push_back( ( string ) *it );
  }
 
n = fs["cam2"];
  if( n.type() != FileNode::SEQ )
  {
cerr << "cam 2 图像不是序列！失败" << endl;
    return false;
  }
 
it = n.begin(), it_end = n.end();
  for( ; it != it_end; ++it )
  {
l.push_back( ( string ) *it );
  }
 
  if( l.size() % 2 != 0 )
  {
cout << "错误：图像列表包含奇数（非偶数）个元素\n";
    return false;
  }
  return true;
}
 
int main( int argc, char** argv )
{
  structured_light::GrayCodePattern::Params params;
  CommandLineParser parser( argc, argv, keys );
  String images_file = parser.get<String>( 0 );
  String calib_file = parser.get<String>( 1 );
 
  params.width = parser.get<int>( 2 );
  params.height = parser.get<int>( 3 );
 
  如果 (images_file.empty() || calib_file.empty() || params.width < 1 || params.height < 1 || argc < 5 || argc > 7 )
  {
help();
    return; -1;
  }
 
  // 使用 params 设置 GraycodePattern
  Ptr<structured_light::GrayCodePattern> graycode = structured_light::GrayCodePattern::create( params );
  size_t white_thresh = 0;
  size_t black_thresh = 0;
 
  如果 (argc == 7)
  {
    // 如果传入，则设置黑白阈值，否则使用默认值
white_thresh = parser.get<unsigned>( 4 );
black_thresh = parser.get<unsigned>( 5 );
 
graycode->setWhiteThreshold( white_thresh );
graycode->setBlackThreshold( black_thresh );
  }
 
vector<string> imagelist;
  bool ok = readStringList( images_file, imagelist );
  如果 (!ok || imagelist.empty() )
  {
cout << "无法打开 " << images_file << " 或字符串列表为空" << endl;
help();
    return; -1;
  }
 
  FileStorage fs( calib_file, FileStorage::READ );
  if( !fs.isOpened() )
  {
cout << "无法打开标定数据文件。" << endl;
help();
    return; -1;
  }
 
  // 加载标定参数
  Mat cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, R, T;
fs["cam1_intrinsics"] >> cam1intrinsics;
fs["cam2_intrinsics"] >> cam2intrinsics;
fs["cam1_distorsion"] >> cam1distCoeffs;
fs["cam2_distorsion"] >> cam2distCoeffs;
fs["R"] >> R;
fs["T"] >> T;
 
cout << "cam1intrinsics" << endl << cam1intrinsics << endl;
cout << "cam1distCoeffs" << endl << cam1distCoeffs << endl;
cout << "cam2intrinsics" << endl << cam2intrinsics << endl;
cout << "cam2distCoeffs" << endl << cam2distCoeffs << endl;
cout << "T" << endl << T << endl << "R" << endl << R << endl;
 
  如果 ((!R.data) || (!T.data) || (!cam1intrinsics.data) || (!cam2intrinsics.data) || (!cam1distCoeffs.data) || (!cam2distCoeffs.data) )
  {
cout << "无法加载相机标定参数" << endl;
help();
    return; -1;
  }
 
  size_t numberOfPatternImages = graycode->getNumberOfPatternImages();
vector<vector<Mat> > captured_pattern;
captured_pattern.resize( 2 );
captured_pattern[0].resize( numberOfPatternImages );
captured_pattern[1].resize( numberOfPatternImages );
 
  Mat color = imread( imagelist[numberOfPatternImages], IMREAD_COLOR );
  Size imagesSize = color.size();
 
  // 立体校正
cout << "正在校正图像..." << endl;
  Mat R1, R2, P1, P2, Q;
  Rect validRoi[2];
  stereoRectify( cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, imagesSize, R, T, R1, R2, P1, P2, Q, 0,
-1, imagesSize, &validRoi[0], &validRoi[1] );
 
  Mat map1x, map1y, map2x, map2y;
  initUndistortRectifyMap( cam1intrinsics, cam1distCoeffs, R1, P1, imagesSize, CV_32FC1, map1x, map1y );
  initUndistortRectifyMap( cam2intrinsics, cam2distCoeffs, R2, P2, imagesSize, CV_32FC1, map2x, map2y );
 
  // 加载图案图像
  for (size_t i = 0; i < numberOfPatternImages; i++)
  {
captured_pattern[0][i] = imread( imagelist[i], IMREAD_GRAYSCALE );
captured_pattern[1][i] = imread( imagelist[i + numberOfPatternImages + 2], IMREAD_GRAYSCALE );
 
    如果 ((!captured_pattern[0][i].data) || (!captured_pattern[1][i].data) )
    {
cout << "图像为空" << endl;
help();
      return; -1;
    }
 
    remap( captured_pattern[1][i], captured_pattern[1][i], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
    remap( captured_pattern[0][i], captured_pattern[0][i], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
 
  }
cout << "完成" << endl;
 
vector<Mat> blackImages;
vector<Mat> whiteImages;
 
blackImages.resize( 2 );
whiteImages.resize( 2 );
 
  // 加载计算阴影所需的图像（全白 + 全黑）
  cvtColor( color, whiteImages[0], COLOR_RGB2GRAY );
 
whiteImages[1] = imread( imagelist[2 * numberOfPatternImages + 2], IMREAD_GRAYSCALE );
blackImages[0] = imread( imagelist[numberOfPatternImages + 1], IMREAD_GRAYSCALE );
blackImages[1] = imread( imagelist[2 * numberOfPatternImages + 2 + 1], IMREAD_GRAYSCALE );
 
  remap( color, color, map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
 
  remap( whiteImages[0], whiteImages[0], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
  remap( whiteImages[1], whiteImages[1], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
 
  remap( blackImages[0], blackImages[0], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
  remap( blackImages[1], blackImages[1], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
 
cout << endl << "正在解码图案..." << endl;
  Mat disparityMap;
  bool decoded = graycode->decode( captured_pattern, disparityMap, blackImages, whiteImages,
structured_light::DECODE_3D_UNDERWORLD );
  如果 (decoded)
  {
cout << endl << "图案解码完成" << endl;
 
    // 为更好地可视化结果，将计算出的视差应用颜色映射
    double min;
    double max;
    minMaxIdx(disparityMap, &min, &max);
    Mat cm_disp, scaledDisparityMap;
cout << "disp min " << min << endl << "disp max " << max << endl;
    convertScaleAbs( disparityMap, scaledDisparityMap, 255 / ( max - min ) );
    applyColorMap( scaledDisparityMap, cm_disp, COLORMAP_JET );
 
    // 显示结果
    resize( cm_disp, cm_disp, Size( 640, 480 ), 0, 0, INTER_LINEAR_EXACT );
    imshow( "cm disparity m", cm_disp );
 
    // 计算点云
    Mat pointcloud;
disparityMap.convertTo( disparityMap, CV_32FC1 );
    reprojectImageTo3D( disparityMap, pointcloud, Q, true, -1 );
 
    // 计算掩码以去除背景
    Mat dst, thresholded_disp;
    threshold( scaledDisparityMap, thresholded_disp, 0, 255, THRESH_OTSU + THRESH_BINARY );
    resize( thresholded_disp, dst, Size( 640, 480 ), 0, 0, INTER_LINEAR_EXACT );
    imshow( "threshold disp otsu", dst );
 
#ifdef HAVE_OPENCV_VIZ
    // 将掩码应用于点云
    Mat pointcloud_tresh, color_tresh;
pointcloud.copyTo( pointcloud_tresh, thresholded_disp );
color.copyTo( color_tresh, thresholded_disp );
 
    // 在viz上显示点云
    viz::Viz3d myWindow( "带有颜色的点云" );
myWindow.setBackgroundMeshLab();
myWindow.showWidget( "coosys", viz::WCoordinateSystem() );
myWindow.showWidget( "pointcloud", viz::WCloud( pointcloud_tresh, color_tresh ) );
myWindow.showWidget( "text2d", viz::WText( "点云", Point(20, 20), 20, viz::Color::green() ) );
myWindow.spin();
#endif // HAVE_OPENCV_VIZ
 
  }
 
  waitKey();
  return; 0;
}

解释

首先，必须将所需参数传递给程序。第一个是先前获取的图案图像的名称列表，存储在如下组织的 .yaml 文件中：

%YAML:1.0
cam1
- "/data/pattern_cam1_im1.png"
- "/data/pattern_cam1_im2.png"
           ..............
- "/data/pattern_cam1_im42.png"
- "/data/pattern_cam1_im43.png"
- "/data/pattern_cam1_im44.png"
cam2
- "/data/pattern_cam2_im1.png"
- "/data/pattern_cam2_im2.png"
           ..............
- "/data/pattern_cam2_im42.png"
- "/data/pattern_cam2_im43.png"
- "/data/pattern_cam2_im44.png"

例如，本教程中使用的数据集是使用分辨率为 1280x800 的投影仪获取的，因此使用两个摄像头捕获了 42 幅图案图像（从 1 到 42）+ 1 幅白色图像（43 号）和 1 幅黑色图像（44 号）。

然后，将存储在另一个 .yml 文件中的相机校准参数，以及用于投影图案的投影仪的宽度和高度，以及可选的白色和黑色阈值，传递给教程程序。

这样，可以使用投影仪在图案采集过程中使用的宽度和高度来设置GrayCodePattern类的参数，并可以创建一个指向GrayCodePattern对象的指针

structured_light::GrayCodePattern::Params params;
   ....
params.width = parser.get<int>( 2 );
params.height = parser.get<int>( 3 );
   ....
// 使用 params 设置 GraycodePattern
Ptr<structured_light::GrayCodePattern> graycode = structured_light::GrayCodePattern::create( params );

如果白色和黑色阈值作为参数传递（这些阈值会影响解码像素的数量），则可以设置它们的值，否则算法将使用默认值。

size_t white_thresh = 0;
size_t black_thresh = 0;
如果 (argc == 7)
{
  // 如果传入，则设置黑白阈值，否则使用默认值
white_thresh = parser.get<size_t>( 4 );
black_thresh = parser.get<size_t>( 5 );
graycode->setWhiteThreshold( white_thresh );
graycode->setBlackThreshold( black_thresh );
}

此时，要使用GrayCodePattern类的decode方法，必须将获取的图案图像存储在Mat的向量向量中。外部向量的大小为二，因为有两个摄像头：第一个向量存储从左侧摄像头捕获的图案图像，第二个向量存储从右侧摄像头捕获的图案图像。显然，两个摄像头的图案图像数量相同，可以使用 getNumberOfPatternImages() 方法检索。

size_t numberOfPatternImages = graycode->getNumberOfPatternImages();
vector<vector<Mat> > captured_pattern;
captured_pattern.resize( 2 );
captured_pattern[0].resize( numberOfPatternImages );
captured_pattern[1].resize( numberOfPatternImages );
 
.....
 
for( size_t i = 0; i < numberOfPatternImages; i++ )
{
captured_pattern[0][i] = imread( imagelist[i], IMREAD_GRAYSCALE );
captured_pattern[1][i] = imread( imagelist[i + numberOfPatternImages + 2], IMREAD_GRAYSCALE );
   ......
}

至于黑白图像，必须将它们存储在两个不同的Mat向量中。

vector<Mat> blackImages;
vector<Mat> whiteImages;
blackImages.resize( 2 );
whiteImages.resize( 2 );
// 加载计算阴影所需的图像（全白 + 全黑）
cvtColor( color, whiteImages[0], COLOR_RGB2GRAY );
whiteImages[1] = imread( imagelist[2 * numberOfPatternImages + 2], IMREAD_GRAYSCALE );
blackImages[0] = imread( imagelist[numberOfPatternImages + 1], IMREAD_GRAYSCALE );
blackImages[1] = imread( imagelist[2 * numberOfPatternImages + 2 + 1], IMREAD_GRAYSCALE );

重要的是要强调，所有图像（图案图像、黑白图像）都必须加载为灰度图像，并在传递给 decode 方法之前进行校正。

// 立体校正
cout << "正在校正图像..." << endl;
Mat R1, R2, P1, P2, Q;
Rect validRoi[2];
stereoRectify( cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, imagesSize, R, T, R1, R2, P1, P2, Q, 0,
-1, imagesSize, &validRoi[0], &validRoi[1] );
Mat map1x, map1y, map2x, map2y;
initUndistortRectifyMap( cam1intrinsics, cam1distCoeffs, R1, P1, imagesSize, CV_32FC1, map1x, map1y );
initUndistortRectifyMap( cam2intrinsics, cam2distCoeffs, R2, P2, imagesSize, CV_32FC1, map2x, map2y );
       ........
for (size_t i = 0; i < numberOfPatternImages; i++)
{
       ........
remap( captured_pattern[1][i], captured_pattern[1][i], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
remap( captured_pattern[0][i], captured_pattern[0][i], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
}
       ........
remap( color, color, map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
remap( whiteImages[0], whiteImages[0], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
remap( whiteImages[1], whiteImages[1], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
remap( blackImages[0], blackImages[0], map2x, map2y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );
remap( blackImages[1], blackImages[1], map1x, map1y, INTER_NEAREST, BORDER_CONSTANT, Scalar() );

这样就可以调用decode方法来解码图案并生成相应的视差图，该视差图在第一个摄像头（左侧）上计算。

Mat disparityMap;
bool decoded = graycode->decode(captured_pattern, disparityMap, blackImages, whiteImages,
structured_light::DECODE_3D_UNDERWORLD);

为了更好地显示结果，将颜色图应用于计算出的视差。

double min;
double max;
minMaxIdx(disparityMap, &min, &max);
Mat cm_disp, scaledDisparityMap;
cout << "disp min " << min << endl << "disp max " << max << endl;
convertScaleAbs( disparityMap, scaledDisparityMap, 255 / ( max - min ) );
applyColorMap( scaledDisparityMap, cm_disp, COLORMAP_JET );
// 显示结果
resize( cm_disp, cm_disp, Size( 640, 480 ) );
imshow( "cm disparity m", cm_disp )

此时，可以使用reprojectImageTo3D方法生成点云，注意将计算出的视差转换为CV_32FC1 Mat（decode方法计算CV_64FC1视差图）。

Mat pointcloud;
disparityMap.convertTo( disparityMap, CV_32FC1 );
reprojectImageTo3D( disparityMap, pointcloud, Q, true, -1 );

然后计算一个去除不需要的背景的掩码。

Mat dst, thresholded_disp;
threshold( scaledDisparityMap, thresholded_disp, 0, 255, THRESH_OTSU + THRESH_BINARY );
resize( thresholded_disp, dst, Size( 640, 480 ) );
imshow( "threshold disp otsu", dst );

之前也已将cam1的白色图像加载为彩色图像，以便将物体的颜色映射到其重建的点云上。

Mat color = imread( imagelist[numberOfPatternImages], IMREAD_COLOR );

因此，将背景去除掩码应用于点云和彩色图像。

Mat pointcloud_tresh, color_tresh;
pointcloud.copyTo(pointcloud_tresh, thresholded_disp);
color.copyTo(color_tresh, thresholded_disp);

最后，可以在viz上显示扫描对象的计算出的点云。

viz::Viz3d myWindow( "Point cloud with color");
myWindow.setBackgroundMeshLab();
myWindow.showWidget("coosys", viz::WCoordinateSystem());
myWindow.showWidget( "pointcloud", viz::WCloud( pointcloud_tresh, color_tresh ) );
myWindow.showWidget( "text2d", viz::WText( "点云", Point(20, 20), 20, viz::Color::green() ) );
myWindow.spin();