深入探討realsenseD435i

從自動駕駛到AR/VR，從無人機到機器人，從醫療到教育，深度相機(深度視覺)的應用在越來越多的行業中得到了廣泛的應用。而realsense D435i作為英特爾公司發布的一款基於深度相機技術的智能產品，在以上各個行業都有着廣泛的適用性，今天我們就一起來深入探討一下realsense D435i的一些細節和應用場景。

一、realsense D435i VO

視覺里程計(Visual Odometry)，是一種基於光流計算的，能夠輸出相機前後位移的算法。VO算法是自動駕駛、機器人、AR/VR等各種AI應用都必不可少的一個模塊。realsense D435i在硬件上和視覺里程計有着緊密的聯繫。realsense D435i整合了IMU和其他傳感器，IMU實時輸出位移數據，據此配合視覺里程計來解算每時每刻的絕對位姿，讀者可以參考下面的代碼。

//初始化相機  
rs2::pipeline pipe;  
rs2::config cfg;  
cfg.enable_stream(RS2_STREAM_DEPTH, 640, 480, RS2_FORMAT_Z16, 30);  
cfg.enable_stream(RS2_STREAM_COLOR, 640, 480, RS2_FORMAT_BGR8, 30);  
rs2::pipeline_profile selection = pipe.start(cfg);  
auto stream_depth = selection.get_stream(RS2_STREAM_DEPTH).as();
 
//初始化算法
cv::Ptr opt_flow = cv::cuda::DensePyrLKOpticalFlow::create(Size(21, 21), 3, 30, false);
 
rs2::align align_to_color(RS2_STREAM_COLOR);
 
bool should_quit = false;
 
//主循環
while (!should_quit)
{
    rs2::frameset frames = pipe.wait_for_frames();
    frames = align_to_color.process(frames);
    rs2::depth_frame depth = frames.get_depth_frame();
    rs2::video_frame color = frames.get_color_frame();
    auto color_profile = color.get_profile().as();
    std::vector streams = { depth.get_profile(), color.get_profile() };
    std::vector frames_vec = { depth, color };
    auto transforms = pipe.get_active_profile().get_device().as().get_depth_to_color_extrinsics();
 
    cv::Mat image_depth(Size(stream_depth.width(), stream_depth.height()), CV_16UC1, (void*)depth.get_data(), Mat::AUTO_STEP);
    cv::Mat image_color(Size(color_profile.width(), color_profile.height()), CV_8UC3, (void*)color.get_data(), Mat::AUTO_STEP);
    cv::cuda::GpuMat d_frame0, d_frame1;
    d_frame0.upload(image_color);
 
    rs2_vector accel = { 0, 0, 0 }, gyro = { 0, 0, 0 };
    for (auto&& frame : frames_vec)
    {
        auto motion = frame.as();
        if (motion && motion.get_profile().stream_type() == RS2_STREAM_ACCEL)
        {
            accel = motion.get_motion_data();
        }
        if (motion && motion.get_profile().stream_type() == RS2_STREAM_GYRO)
        {
            gyro = motion.get_motion_data();
        }
    }
 
    //始終計算在cvgpu上，只有在VO追丟之後才停下來
    Mat H;
    cv::Mat image_color_hsv;
    std::vector status;
    std::vector error;
    cv::cuda::GpuMat gray0, gray1;
    cv::cuda::cvtColor(d_frame0, gray0, COLOR_BGR2GRAY);
             
    cuda::cvtColor(d_frame0, gray0, cv::COLOR_BGR2GRAY);
    cuda::cvtColor(d_frame1, gray1, cv::COLOR_BGR2GRAY);
    cuda::calcOpticalFlowPyrLK(gray0, gray1, gpu_pts[0], gpu_pts[1], status, error);
 
    //根據pts0,pts1,status,H得到新的pts0,pts1,retval並賦值回來
    Mat R, t;
    handeye_calculation(H, &R, &t);
 
    for (int i = 0; i < n_points; i++)
    {
        pts0[i] = gpu_pts[0].at(i);
        pts1[i] = gpu_pts[1].at(i);
    }
}

二、realsense D435i中的IMU

IMU是inertial measurement unit的縮寫，即慣性測量單元，主要包括加速度計和陀螺儀。在realsenseD435i中，IMU是用來幫助算法判斷相機的運動，從而可以輸出每一幀的絕對姿態信息。由於realsense D435i的IMU和傳感器都集成在了同一個設備中，因此可以很方便地應用到各種移動設備和機器人中。下面我們來看一下如何在realsense D435i中獲取IMU數據。

//初始化相機
rs2::pipeline pipe;
rs2::config cfg;
cfg.enable_stream(RS2_STREAM_DEPTH, 640, 480, RS2_FORMAT_Z16, 30);
cfg.enable_stream(RS2_STREAM_COLOR, 640, 480, RS2_FORMAT_BGR8, 30);
rs2::pipeline_profile selection = pipe.start(cfg);
 
//獲取IMU和Depth幀
while (true) {
    rs2::frameset frames = pipe.wait_for_frames();
    auto imu_data = frames["motion_data"];
    auto gyro_data = imu_data.as().get_motion_data();
    auto accel_data = imu_data.as().get_motion_data();
    auto depth_data = frames.get_depth_frame();
     
    //輸出Gyro和Accel數據
    std::cout << gyro_data.z << " " << accel_data.x << std::endl;
}

三、realsense D435i是單目還是雙目？

realsense D435i實際上一共有兩個攝像頭，分別為RGB相機和深度相機。RGB相機是標準的攝像機，主要用於普通圖像的獲取，而深度相機則是用來測量深度信息的。由於深度相機的物理尺寸和RGB相機一致，因此也可以視為一種單目視覺系統。但是由於深度相機獲取的深度圖信息可以和RGB圖像進行配准，從而得到更加精確的深度信息，因此在實際應用中，可以將realsense D435i視為一種雙目視覺系統。下面的代碼演示了如何在opencv中獲取realsense D435i的RGB和深度圖信息。

//初始化相機
rs2::pipeline pipe;
rs2::config cfg;
cfg.enable_stream(RS2_STREAM_DEPTH, 640, 480, RS2_FORMAT_Z16, 30);
cfg.enable_stream(RS2_STREAM_COLOR, 640, 480, RS2_FORMAT_BGR8, 30);
rs2::pipeline_profile selection = pipe.start(cfg);
 
//獲取RGB和Depth幀
while (true) {
    rs2::frameset frames = pipe.wait_for_frames();
    auto depth_data = frames.get_depth_frame();
    auto color_data = frames.get_color_frame();
     
    //將RGB圖像和深度圖像轉換成opencv中的Mat格式
    cv::Mat image_depth(Size(depth_data.as().get_width(), depth_data.as().get_height()), CV_16UC1, (void*)depth_data.as().get_data(), Mat::AUTO_STEP);
    cv::Mat image_color(Size(color_data.as().get_width(), color_data.as().get_height()), CV_8UC3, (void*)color_data.as().get_data(), Mat::AUTO_STEP);
}

四、realsense D435i在自動駕駛中的應用

在自動駕駛領域，深度相機常常被用來進行3D物體檢測、背景分割、行人檢測等任務。realsense D435i具備較高分辨率和穩定性，適合在自動駕駛等高精度場景中使用。下面的代碼演示了如何使用realsense D435i來進行行人檢測。

//初始化相機
rs2::pipeline pipe;
rs2::config cfg;
cfg.enable_stream(RS2_STREAM_DEPTH, 640, 480, RS2_FORMAT_Z16, 30);
cfg.enable_stream(RS2_STREAM_COLOR, 640, 480, RS2_FORMAT_BGR8, 30);
rs2::pipeline_profile selection = pipe.start(cfg);
 
//初始化行人檢測模型
auto net = cv::dnn::readNetFromCaffe("detect.prototxt", "detect.caffemodel");
net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);
net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);
 
//獲取RGB和Depth幀
while (true) {
    rs2::frameset frames = pipe.wait_for_frames();
    auto depth_data = frames.get_depth_frame();
    auto color_data = frames.get_color_frame();
     
    //將RGB圖像和深度圖像轉換成opencv中的Mat格式
    cv::Mat image_depth(Size(depth_data.as().get_width(), depth_data.as().get_height()), CV_16UC1, (void*)depth_data.as().get_data(), Mat::AUTO_STEP);
    cv::Mat image_color(Size(color_data.as().get_width(), color_data.as().get_height()), CV_8UC3, (void*)color_data.as().get_data(), Mat::AUTO_STEP);
     
    //行人檢測
    cv::Mat image_color_resized;
    cv::resize(image_color, image_color_resized, cv::Size(300, 300));
    cv::Mat inputBlob = cv::dnn::blobFromImage(image_color_resized, 0.007843, cv::Size(300, 300), cv::Scalar(127.5, 127.5, 127.5), false);
    net.setInput(inputBlob);
    cv::Mat detection = net.forward();
}

五、realsense D435i在AR/VR中的應用

在AR/VR領域，深度相機也是非常重要的一個部分，主要用途是獲取真實環境場景的深度信息，並將其與虛擬場景進行融合，從而實現更加真實的虛擬現實體驗。realsense D435i具有較高的分辨率和穩定性，適合在AR/VR等高精度場景中使用。下面的代碼演示了如何使用realsense D435i進行深度圖與RGB圖像配准。

//初始化相機

rs2::pipeline pipe;

rs2::config cfg;

cfg.enable_stream(RS2_STREAM_DEPTH, 640, 480, RS2_FORMAT_Z16, 30);

cfg.enable_stream(RS2_STREAM_COLOR, 640, 480, RS2_FORMAT_BGR8, 30);

rs2::pipeline_profile selection = pipe.start(cfg);
//獲取RGB和Depth幀
while (true) {
 rs2::frameset frames = pipe.wait_for_frames();
 auto depth_data = frames.get_depth_frame();
 auto color_data = frames.get_color_frame();
 //將RGB圖像和深度圖像轉換成opencv中的Mat格式
 cv::Mat image_depth(Size(depth_data.as().get_width(), depth_data.as().get_height()), CV_16UC1, (void*)depth_data.as().get_data(), Mat::AUTO_STEP);
 cv::Mat image_color(Size(color_data.as().get_width(), color_data.as().get_height()), CV_8UC3, (void*)color_data.as().get_data(), Mat::AUTO_STEP
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/301993.html