RinOS

Видел в сети пример в котором показано как работать с IP камерой OpenCV и IP Axis, пример на С# c оберткой EMGU CV. Кто ни будь пытался работать с IP камерами на С++? Вот ссылка на ней можно по эксперементировать) http://webcam.oii.ox.ac.uk/mjpg/video.mjpg

Всем привет! В книжке по OpenCV есть пример по фильтру Калмана, несколько раз пытался понять листинг, но ни чего непонял... К тому же тут еще не понятно зачем введены шумы (x_k). Обясните пожалуйста этот листинг, можно вырезать все лишнее оставив, нужное, а именно (предсказывать где будет объект в следующий момент времени). #define phi2xy(mat) \ cvPoint( cvRound(img->width/2 + img->width/3*cos(mat->data.fl[0])),\ cvRound( img->height/2 - img->width/3*sin(mat->data.fl[0])) ) int main(int argc, char** argv) { // Initialize, create Kalman Filter object, window, random number // generator etc. // cvNamedWindow( "Kalman", 1 ); CvRandState rng; cvRandInit( &rng, 0, 1, -1, CV_RAND_UNI ); IplImage* img = cvCreateImage( cvSize(500,500), 8, 3 ); CvKalman* kalman = cvCreateKalman( 2, 1, 0 ); // state is (phi, delta_phi) - angle and angular velocity // Initialize with random guess. // CvMat* x_k = cvCreateMat( 2, 1, CV_32FC1 ); cvRandSetRange( &rng, 0, 0.1, 0 ); rng.disttype = CV_RAND_NORMAL; cvRand( &rng, x_k ); // process noise // CvMat* w_k = cvCreateMat( 2, 1, CV_32FC1 ); // measurements, only one parameter for angle // CvMat* z_k = cvCreateMat( 1, 1, CV_32FC1 ); cvZero( z_k ); // Transition matrix 'F' describes relationship between // model parameters at step k and at step k+1 (this is // the "dynamics" in our model. // const float F[] = { 1, 1, 0, 1 }; memcpy( kalman->transition_matrix->data.fl, F, sizeof(F)); // Initialize other Kalman filter parameters. // cvSetIdentity( kalman->measurement_matrix, cvRealScalar(1) ); cvSetIdentity( kalman->process_noise_cov, cvRealScalar(1e-5) ); cvSetIdentity( kalman->measurement_noise_cov, cvRealScalar(1e-1) ); cvSetIdentity( kalman->error_cov_post, cvRealScalar(1)); // choose random initial state // cvRand( &rng, kalman->state_post ); while( 1 ) { // predict point position const CvMat* y_k = cvKalmanPredict( kalman, 0 ); // generate measurement (z_k) // cvRandSetRange( &rng, 0, sqrt(kalman->measurement_noise_cov->data.fl[0]), 0 ); cvRand( &rng, z_k ); cvMatMulAdd( kalman->measurement_matrix, x_k, z_k, z_k ); // plot points (eg convert to planar co-ordinates and draw) // cvZero( img ); cvCircle( img, phi2xy(z_k), 4, CVX_YELLOW ); // observed state cvCircle( img, phi2xy(y_k), 4, CVX_WHITE, 2 ); // "predicted" state cvCircle( img, phi2xy(x_k), 4, CVX_RED ); // real state cvShowImage( "Kalman", img ); // adjust Kalman filter state // cvKalmanCorrect( kalman, z_k ); // Apply the transition matrix 'F' (eg, step time forward) // and also apply the "process" noise w_k. // cvRandSetRange( &rng, 0, sqrt(kalman->process_noise_cov->data.fl[0]), 0 ); cvRand( &rng, w_k ); cvMatMulAdd( kalman->transition_matrix, x_k, w_k, x_k ); // exit if user hits 'Esc' if( cvWaitKey( 100 ) == 27 ) break; }

Всем привет! Решил заняться стерео зрением. Нашел в сети такой проект на OpenCV: http://code.google.com/p/opencvstereovision/ даже удалось скомпилить его) exe во вложении. Поигрался с программой пытался калибровать шахматной доской но результат мягко говоря неочень... Раньше ни когда этим не занимался сразу возникло несколько вопросов. Какое расстояние должно быть между камерами? Как они должны быть направлены? (какой угол примерно) (ехе требует библиотеки OpenCV 1.1 и библиотеки Qt если в сети не найдете выложу ) OpenCV-Qt-StereoCalibration.rar

Собственно вопрос: как нарисовать заштрихованный полигон. Что то типа такого: порылся в стандартных функциях... но что то не нашел.

ffmpeg его проигрывает? Если да, то можно из opencv попробовать открыть его функцией cvCaptureFromFile_FFMPEG, а дальше работать как обычно.

Всем привет! Делаю отсечение фона с помощью BackgroundSubtractorMOG2, до недавнего времени все отлично работало и качественно отсекало фон. Но столкнулся с проблемой, когда под камерой появляется слишком контрастный (относительно фона) объект, у всего кадра меняется толи цветовой баланс толи экспозиция. В качестве примера привожу картинки: На деле не так экстремально но BackgroundSubtractorMOG2 ужасно глючит. Подскажите как бороться с этой проблемой?

Встретил такую штуку в opencv2.3 ExposureCompensator используется как раз для выравнивания экспозиции при склейке изображений в панораму. Весь функционал opencv_stitching мне не нужен, нужно лишь выравнивание экспозиции относительно первой (главной) картинки. Документации по ExposureCompensator очень мало. Особенно не понятно какие числа должны быть в corners compensator->feed( corners, images, mask ) Пока что делаю так но эффекта не замечаю. Хотя отрабатывает функция без ошибок. void Compensator::feed(Mat &etalon, Mat &fix) { pt0.x = 1; //??? pt0.y = 1; //??? pt1.x = frame.rows - 1; //??? pt1.y = frame.cols - 1; //??? corners.push_back( pt0 ); corners.push_back( pt1 ); m0.create( frame.rows, frame.cols, CV_8U ); m0.setTo( cv::Scalar::all(255) ); m1.create( frame.rows, frame.cols, CV_8U ); m1.setTo( cv::Scalar::all(255) ); mask.push_back( m0 ); mask.push_back( m1 ); images.push_back( etalon ); images.push_back( fix ); compensator->feed( corners, images, mask ); compensator->apply( images.size() - 1, pt0, fix, m0 ); }

Долгими поисками по гуглу нашел одну замечательную функцию: CVStatus cvNormalizeIllum(IplImage *img, const float destMean, const float destMse) { uchar* src_data; float* dst_data; CvRect src_roi; int width_step, width, height, roi_size, img_index, data_index; CvSize data_size; float temp_float, mse_ratio; int i, x, y; float A11=0, A12=0, A13=0, A21=0, A22=0, A23=0, A31=0, A32=0, A33=0; float I_point; float B1=0, B2 = 0, B3 = 0; float Det; float B11, B12, B13, B22, B23, B33; float A1, A2, A3; float cal_mean, cal_mse; // check arguments if (destMean < 0.0f || destMse < 0.0f) return CV_StsBadArg; // check image if (img->depth != IPL_DEPTH_8U) return CV_BadDepth; if (img->nChannels != 1) return CV_BadNumChannels; // Get raw data cvGetRawData(img, (uchar **) &src_data, &width_step, &data_size); src_roi = cvGetImageROI(img); width = data_size.width; height = data_size.height; roi_size = width * height; dst_data = (float *)cvAlloc(roi_size * sizeof(float)); //1. Caculate the A'A for(y=0; y<height; y++) { for(x=0; x<width; x++) { A11 += x * x; A12 += x * y; A13 += x; A22 += y * y; A23 += y; } } A33 = (float)roi_size; //2. Caculate the A'B img_index = 0; for(y=0; y<height; y++) { for(x=0; x<width; x++) { I_point = (float)src_data[img_index + x]; B1 += x * I_point; B2 += y * I_point; B3 += I_point; } img_index += width_step; } //3. Caculate the inverse matrix (A'A) Det = - A11*A22*A33 + A11*A23*A23 + A12*A12*A33 - 2*A12*A13*A23 + A13*A13*A22; if(Det == 0) return CV_StsError; B11 = - (A22*A33 - A23*A23) / Det; B12 = (A12*A33 - A13*A23) / Det; B13 = - (A12*A23 - A13*A22) / Det; B22 = - (A11*A33 - A13*A13) / Det; B23 = - ( - A11*A23 + A12*A13) / Det; B33 = ( - A11*A22+A12*A12) / Det; //4. Solve equations and find a1, a2, a3 A1 = B11 * B1 + B12 * B2 + B13 * B3; A2 = B12 * B1 + B22 * B2 + B23 * B3; A3 = B13 * B1 + B23 * B2 + B33 * B3; //5. Brightness correction cal_mean = 0; data_index = 0; img_index = 0; for (y=0; y<height; y++) { for (x=0; x<width; x++) { I_point = (float)src_data[img_index + x] - (A1 * x + A2 * y + A3); dst_data[data_index] = I_point; data_index ++; cal_mean += I_point; } img_index += width_step; } cal_mean /= (width * height); // MSE Caculation cal_mse = 0; for( i=0; i<roi_size; i++) { temp_float = dst_data[i] - cal_mean; cal_mse += temp_float * temp_float; } cal_mse = (float)sqrt( cal_mse / roi_size ); // MSE normalization and write back to image buffer if (cal_mse == 0) { data_index = 0; img_index = 0; for (y=0; y<height; y++) { for (x=0; x<width; x++) { src_data[img_index + x] = (unsigned char)destMean; } img_index += width_step; } } else { mse_ratio = destMse / cal_mse; data_index = 0; img_index = 0; for (y=0; y<height; y++) { for (x=0; x<width; x++) { temp_float = (dst_data[data_index] - cal_mean) * mse_ratio + destMean; data_index ++; if(temp_float > 255.0f) src_data[img_index + x] = 255; else if (temp_float < 0.0f) src_data[img_index + x] = 0; else src_data[img_index + x] = (uchar)(temp_float + 0.5f); } img_index += width_step; } } cvFree((void**)&dst_data); return CV_StsOk; } У нее есть две переменные destMean и destMse. destMean - destation mean value of the MSE normalization destMse - destation MSE of the MSE normalization Что бы не задавать их жестко хотелось бы как ни будь вычислить эти два значения, на основании background image взятого у BackgroundSubtractorMOG2. Тем самым функция станет чуть более адаптивной.

это как)? можно подробнее...

Да, видел пост в котором советовали использовать cvEqualizeHist, пробовал и с YUV и HSV. Сначала cvSplit, потом пробовал со всеми слоями и комбинировал) (в общем по всякому тестил) cvEqualizeHist, потом снова собирал cvMerge и передавал полученную картинку BackgroundSubtractorMOG2, но результат не лучше а порой даже хуже.

Ну я эти картинки привел что бы понятнее было в чем проблема, на деле все не так запущено. Максимум как предпоследняя картинка. Видео обычное avi c кодеком mjpg. Пока не придумал как нормализовать изображение... сложность возникает даже с запросом к гуглу...

Не нужны тебе сторонние компоненты, используй OpenCV. Необходимые тебе функции и структуры переписывай из С в Delphi. Вот для начала: const HighGUI = 'libopencv_highgui231.dll'; CxCore = 'libopencv_core231.dll'; type PCvArr = ^CvArr; CvArr = Pointer; PIplTileInfo = ^IplTileInfo; IplTileInfo = record end; PIplROI = ^IplROI; IplROI = record coi: Longint; xOffset: Longint; yOffset: Longint; width: Longint; height: Longint; end; PIplImage = ^IplImage; IplImage = record nSize: Longint; ID: Longint; nChannels: Longint; alphaChannel: Longint; depth: Longint; colorModel: array [0..3] of Byte; channelSeq: array [0..3] of Byte; dataOrder: Longint; origin: Longint; align: Longint; width: Longint; height: Longint; roi: PIplROI; maskROI: PIplImage; imageId: Pointer; tileInfo: PIplTileInfo; imageSize: Longint; imageData: PChar; widthStep: Longint; BorderMode: array [0..3] of Longint; BorderConst: array [0..3] of Longint; imageDataOrigin: PChar; end; CvPoint = record x: Integer; y: Integer; end; CvSize = record width: Integer; height: Integer; end; CvScalar = record B: Double; G: Double; R: Double; A: Double; end; PCvFont = ^CvFont; CvFont = record font_face: Longint; ascii: PLongint; greek: PLongint; cyrillic: PLongint; hscale: Single; vscale: Single; shear: Single; thickness: Longint; dx: Single; line_type: Longint; end; function cvNamedWindow(const name: PChar; flags: Integer = 1): Integer; cdecl; procedure cvShowImage(const name: PChar; const image: PIplImage); cdecl; function cvWaitKey(delay: Integer = 0): Integer; cdecl; procedure cvLine(img: PIplImage; pt1, pt2: CvPoint; color: CvScalar; thickness: Integer = 1; line_type: Integer = 8; shift: Integer = 0); cdecl; procedure cvCircle(img: PIplImage; center: CvPoint; radius: Integer; color: CvScalar; thickness: Integer = 1; line_type: Integer = 8; shift: Integer = 0); cdecl; procedure cvInitFont(font: PCvFont; font_face: Longint; hscale: Double; vscale: Double; shear: Double; thickness: Longint; line_type: Longint); cdecl; procedure cvPutText(img: PIplImage; text: PChar; org: CvPoint; font: PCvFont; color: CvScalar); cdecl; function cvCloneImage(const image: PIplImage): PIplImage; cdecl; function cvCreateImage(size: CvSize; depth: Integer; channels: Integer): PIplImage; cdecl; procedure cvReleaseImage(image: PIplImage); cdecl; implementation function cvNamedWindow; external HighGUI; procedure cvShowImage; external HighGUI; function cvWaitKey; external HighGUI; procedure cvLine; external CxCore; procedure cvCircle; external CxCore; procedure cvInitFont; external CxCore; procedure cvPutText; external CxCore; function cvCloneImage; external CxCore; function cvCreateImage; external CxCore; procedure cvReleaseImage; external CxCore; и т.д.

Покупка камеры с WDR, это как вариант... Есть какие то способы нормализовать изображение программным способом?

Потестил этот код, неплохо ведет цель. X Y Z predict -0.466858 0.808474 2.26073 real -0.309018 0.486225 1.53683 -0.423659 0.684607 2.0921 -0.296634 0.412955 1.49816 -0.358051 0.502584 1.80924 -0.284429 0.322137 1.45931 -0.302884 0.319587 1.56944 -0.24458 0.255752 1.44207 -0.23795 0.192976 1.43535 -0.23719 0.200144 1.42542 -0.211506 0.116637 1.37693 -0.21606 0.155456 1.42932 -0.190204 0.0749303 1.37846 -0.202409 0.0838827 1.41801 -0.178239 0.0161604 1.38489 -0.193323 0.047973 1.42875 -0.173382 -0.0163037 1.40925 -0.185071 -0.00390054 1.43147 -0.170241 -0.0576007 1.42664 -0.18052 -0.0539902 1.43713 -0.169671 -0.103587 1.43971 -0.185037 -0.0819764 1.44412 -0.177794 -0.130038 1.4502 -0.20676 -0.128047 1.44989 -0.205006 -0.169031 1.45739 -0.239146 -0.156521 1.45426 -0.247401 -0.196648 1.46161 -0.260618 -0.190315 1.46437 -0.280221 -0.226259 1.47075 -0.27879 -0.215011 1.47307 Хочу реализовать мультитрекинг, есть у кого ни будь примеры или инфа? Свой уже написал но довольно косячно работает путает цели которые пересекаются.

>В случае добавления вращения Наверно глубины? (третье измерение) Буквально прям сейчас нашел реализацию, вроде 3D но матрица создается 6х3, оно ли это))? #ifndef _KALMAN_FILTER_H_ #define _KALMAN_FILTER_H_ #include <vector> #include <cv.h> #include "base.h" #include "Structures/Vector.h" #include "Structures/Calibration.h" namespace windage { namespace Algorithms { /** * @defgroup Algorithms Algorithm classes * @brief * algorithm classes * @addtogroup Algorithms * @{ */ /** * @defgroup AlgorithmsPoseEstimator Pose Estimator * @brief camera pose estimator in 3D * @addtogroup AlgorithmsPoseEstimator * @{ */ /** * @brief class for kalman filtering to prevent zitering * @author Woonhyuk Baek */ class DLLEXPORT KalmanFilter { private: /** Tx, Ty, Tz, dTx, dTy, dTz */ CvKalman* kalman; CvMat* measurement; public: virtual char* GetFunctionName(){return "KalmanFilter";}; KalmanFilter() { kalman = cvCreateKalman( 6, 3, 0 ); measurement = cvCreateMat( 3, 1, CV_32FC1 ); this->Initialize(); } ~KalmanFilter() { if(kalman) cvReleaseKalman(&kalman); if(measurement) cvReleaseMat(&measurement); } void Initialize(); windage::Vector3 Predict(); bool Correct(windage::Vector3 T); }; /** @} */ // addtogroup AlgorithmsPoseEstimator /** @} */ // addtogroup Algorithms } } #endif // _KALMAN_FILTER_H_ #include "Algorithms/KalmanFilter.h" using namespace windage; using namespace windage::Algorithms; void KalmanFilter::Initialize() { const float A[] = { 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1,}; memcpy( this->kalman->transition_matrix->data.fl, A, sizeof(A)); cvSetIdentity( this->kalman->measurement_matrix, cvRealScalar(1) ); cvSetIdentity( this->kalman->process_noise_cov, cvRealScalar(1e-5) ); cvSetIdentity( this->kalman->measurement_noise_cov, cvRealScalar(1e-1) ); cvSetIdentity( this->kalman->error_cov_post, cvRealScalar(1)); } windage::Vector3 KalmanFilter::Predict() { windage::Vector3 prediction; const CvMat* predictionMat = cvKalmanPredict( this->kalman, 0 ); prediction.x = (double)predictionMat->data.fl[0]; prediction.y = (double)predictionMat->data.fl[1]; prediction.z = (double)predictionMat->data.fl[2]; return prediction; } bool KalmanFilter::Correct(windage::Vector3 T) { measurement->data.fl[0] = (float)T.x; measurement->data.fl[1] = (float)T.y; measurement->data.fl[2] = (float)T.z; cvKalmanCorrect( kalman, measurement ); return true; }

Подниму темку) Как использовать фильтр Калмана для 3D трекинга? Кому ни будь попадалась на руки реализация по мимо этой: http://www.roninworks.com/?p=218

Всем привет! Есть трёхслойная картинка image3D = cvCreateImage( imageSize, IPL_DEPTH_32F, 3 ); Как можно получить значения каждого канала? cхематично изображу так x = getnvalue(image3D,0,0,0) y = getnvalue(image3D,1,0,0) z = getnvalue(image3D,3,0,0) Знаю способ используя COI cvSetImageCOI(image3D, 3); cvCopy(image3D, imageZ, 0); cvResetImageROI(image3D); Но по моему медленно тк потом придется гонять 3 цикла для каждого слоя

Найти фотку по базе это конечно круто... Но как у совершенно не знакомой фотки определить пол, возраст, настроение))? Это имхо гораздо круче)

Вот мне тоже интересно... как некоторые программы, узнают кто это: мужчина или женщина, приблизительно возраст, настроение))) и даже запоминают его под айдишкой, и все это реал тайм))

Удалил все) Снова собрал и каким то чудом скомпилилось))) наверно по тому что использовал cminpack-1.0.4 вместо cminpack-1.1.3

Собрал проект CMake-ом для VS 2008, пару либов он скомпилил, застрял на pcl_filters выдает кучу ошибок вида: pcl/filters/impl/passthrough.hpp(104) : error C2039: 'NdConcatenateFunctor' : is not a member of 'pcl' pcl/filters/impl/passthrough.hpp(104) : error C2065: 'NdConcatenateFunctor' : undeclared identifier pcl/filters/impl/passthrough.hpp(104) : error C2275: 'PointT' : illegal use of this type as an expression Что делать?

В этом топике: http://www.compvision.ru/forum/index.php?showtopic=423 выкладывал проект по стерео-зрению, перед 3d реконструкцией производится ректификация изображений с помощью cvInitUndistortMap + cvRemap

Всем привет! Кто ни будь программировал многопоточные приложения, с OpenCV? Какие подводные камни? Нормально ли сочетаются такие вещи как OpenCV и многопоточность?

Есть IplImage с глубиной IPL_DEPTH_32F, нужно конвертировать его в IPL_DEPTH_8U, как это сделать? upd: cvConvertScale(orig, imageCvt)

На одном китайском сайте, нашел пример вывода в 3d, disparity image Для лучшего эффекта предварительно нормализуем изображение imageDepthNormalized = cvCreateMat( imageSize.height,imageSize.width, CV_8U ); cvScale(imageDepth, imageDepthNormalized, 1, 256); Программа, исходник и картинка во вложении, картинку берет из "c:\z.bmp" glut3d.rar