सभी को नमस्कार!

मैं अपने अनुभव को Intel RealSense कैमरा, मॉडल d435 के साथ साझा करना चाहता हूं । जैसा कि आप जानते हैं, कई मशीन दृष्टि एल्गोरिदम को कैमरे के प्रारंभिक अंशांकन की आवश्यकता होती है। यह सिर्फ इतना हुआ कि हमारी परियोजना पर हम एक स्वचालित बुद्धिमान प्रणाली के व्यक्तिगत घटकों के निर्माण के लिए ROS का उपयोग करते हैं। हालाँकि, रूसी भाषा के इंटरनेट का अध्ययन करने के बाद, मुझे इस विषय पर कोई समझदार ट्यूटोरियल नहीं मिला। यह प्रकाशन इस अंतर को भरने के लिए है।

सॉफ्टवेयर शर्त

चूंकि ROS यूनिक्स सिस्टम पर काम करता है, इसलिए मैं मान लूंगा कि हमारे पास उबंटू 16.04 सिस्टम उपलब्ध है। मैं विस्तृत स्थापना विवरण का वर्णन नहीं करूंगा, मैं केवल संबंधित ट्यूटोरियल को लिंक दूंगा।

• OpenCV2। कैसे स्थापित करें
• OpenCV-अजगर। यहाँ सब कुछ सरल है:

sudo apt-get install python-opencv 

• Ubuntu 16.04 के लिए ROS काइनेटिक ।

RealSense ड्राइवर स्थापित करना

1. सबसे पहले, आपको कैमरे के लिए ड्राइवरों को स्थापित करने की आवश्यकता है।
2. कैमरे के लिए ROS पैकेज यहाँ है । प्रकाशन के समय, नवीनतम संस्करण 2.0.3 था। पैकेज को स्थापित करने के लिए, आपको स्रोत कोड डाउनलोड करना होगा और इसे ROS होम डायरेक्टरी में अनज़िप करना होगा। अगला, हमें इसे स्थापित करना होगा:

 catkin_make clean catkin_make -DCATKIN_ENABLE_TESTING=False -DCMAKE_BUILD_TYPE=Release catkin_make install echo "source path_to_workspace/devel/setup.bash" >> ~/.bashrc source ~/.bashrc 

कैमरे का परीक्षण

कैमरा स्थापित करने के बाद, हमें यह सुनिश्चित करने की आवश्यकता है कि ड्राइवर उसी तरह काम करें, जैसा उन्हें करना चाहिए। ऐसा करने के लिए, हम USB के माध्यम से कैमरा कनेक्ट करते हैं और डेमो चलाते हैं:

 roslaunch realsense2_camera demo_pointcloud.launch 

यह कमांड ROS विज़ुअलाइज़ेशन को खोलेगा, जिस पर आप टॉपिक /camera/depth/color/points में दर्ज पॉइंट्स के क्लाउड को देख सकते हैं:

कैमरा अंशांकन

नीचे OpenCV से ट्यूटोरियल का एक अनुकूलित संस्करण है।

 import numpy as np import cv2 import glob #    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) #     8x6 objp = np.zeros((6*8,3), np.float32) objp[:,:2] = np.mgrid[0:8,0:6].T.reshape(-1,2) #         objpoints = [] # 3d     imgpoints = [] # 2d     images = glob.glob('/__/*.png') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #     ret, corners = cv2.findChessboardCorners(gray, (8,6),None) #    ,         if ret == True: objpoints.append(objp) corners2 = cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria) imgpoints.append(corners2) #       img = cv2.drawChessboardCorners(img, (8,6), corners2,ret) cv2.imshow('img',img) cv2.waitKey(500) cv2.destroyAllWindows() #     ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1],None,None) np.save('/path_to_images/calibration', [mtx, dist, rvecs, tvecs]) 

इस स्क्रिप्ट को काम करने के लिए, हमें अपने कैमरे से कम से कम 10 शतरंज की छवियां प्राप्त करने की आवश्यकता है। इसके लिए, हम उपयोग कर सकते हैं, उदाहरण के लिए, इमेज_व्यू आरओएस पैकेज या कोई अन्य प्रोग्राम जो यूएसबी कैमरा से स्क्रीनशॉट ले सकता है। कैप्चर की गई छवियों को किसी भी फ़ोल्डर में रखा जाना चाहिए। छवि उदाहरण:

हम स्क्रिप्ट निष्पादित करने के बाद, अंशांकन परिणाम एक फ़ाइल में सहेजे जाएंगे
calibration.npy । यह डेटा तब निम्न स्क्रिप्ट के साथ उपयोग किया जा सकता है:

 calibration_data = np.load('path_to_images/calibration.npy') mtx = calibration_data[0] dist = calibration_data[1] rvecs = calibration_data[2] tvecs = calibration_data[3] 

निष्कर्ष

हम OpenCV2 और ROS का उपयोग करके RealSense d435 कैमरा को सफलतापूर्वक कैलिब्रेट करने में सक्षम थे। कैलिब्रेशन परिणाम का उपयोग ट्रैकिंग ऑब्जेक्ट, आर्को मार्कर, संवर्धित वास्तविकता एल्गोरिदम और कई अन्य जैसे अनुप्रयोगों में किया जा सकता है। अगले लेख में, मैं आरूको मार्करों पर नज़र रखने के बारे में विस्तार से बताना चाहूंगा।