前幾天老大給了個任務，讓我幫slam組寫一個基於深度攝像頭的障礙物檢測，搗鼓了兩天弄出來了，效果還不錯，就在這里記一下了。
代碼的核心思路是首先通過二值化，將一米之外的安全距離置零不考慮，然后通過開運算去除掉一些噪點（這個后來發現不一定有必要），在求出所有障礙物的凸包，這個時候要計算面積，當面積小於一定的閾值的時候不予考慮，最終輸出障礙物的凸包坐標。
//find_obstacle函數是獲取深度圖障礙物的函數,返回值是每個障礙物凸包的坐標，參數一depth是realsense返回的深度圖（ushort型），
//參數二thresh和參數三max_thresh，是二值化的參數，參數四是凸包的最小有效面積，小於這個面積的障礙物可以視為噪點。
//函數首先篩選掉距離大於安全距離的點，然后進行閥值化和開運算減少一下噪點，用findContours得到輪廓圖，最后用convexHull得到每個障礙物的凸包，最后返回坐標
//mask_depth函數是對深度圖二值化，第一個參數image是原圖，第二個參數th是目標圖，第三個參數throld是最大距離，單位是mm，大於這個距離
//即為安全，不用考慮。
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include "RSWrapper.h"
#include "opencv2/imgproc/imgproc.hpp"
using namespace std;
using namespace cv;
void mask_depth(Mat &image,Mat& th,int throld=1000)
{
int nr = image.rows; // number of rows
int nc = image.cols; // number of columns
for (int i = 0; i<nr; i++)
{
for (int j = 0; j<nc; j++) {
if (image.at<ushort>(i, j)>throld)
th.at<ushort>(i, j) = 0;
}
}
}
vector<vector<Point> > find_obstacle(Mat &depth, int thresh = 20, int max_thresh = 255, int area = 500)
{
Mat dep;
depth.copyTo(dep);
mask_depth(depth, dep, 1000);
dep.convertTo(dep, CV_8UC1, 1.0 / 16);
//imshow("color", color);
imshow("depth", dep);
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));//核的大小可適當調整
Mat out;
//進行開操作
morphologyEx(dep, out, MORPH_OPEN, element);
//dilate(dhc, out, element);
//顯示效果圖
imshow("opencv", out);
Mat src_copy = dep.clone();
Mat threshold_output;
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
RNG rng(12345);
/// 對圖像進行二值化
threshold(dep, threshold_output, thresh, 255, CV_THRESH_BINARY);
//mask_depth(src, threshold_output);
/// 尋找輪廓
findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
/// 對每個輪廓計算其凸包
vector<vector<Point> >hull(contours.size());
vector<vector<Point> > result;
for (int i = 0; i < contours.size(); i++)
{
convexHull(Mat(contours[i]), hull[i], false);
}
/// 繪出輪廓及其凸包
Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);
for (int i = 0; i< contours.size(); i++)
{
if (contourArea(contours[i]) < area)//面積小於area的凸包，可忽略
continue;
result.push_back(hull[i]);
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
drawContours(drawing, contours, i, color, 1, 8, vector<Vec4i>(), 0, Point());
drawContours(drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point());
}
imshow("contours", drawing);
return result;
}
int main(int argc, char* argv[])
{
Mat dhc;
Mat dep;
int idxImageRes = 1, idxFrameRate = 30;
RSWrapper depthCam(idxImageRes, idxImageRes, idxFrameRate, idxFrameRate);
if (!depthCam.init())
{
std::cerr << "Init. RealSense Failure!" << std::endl;
return -1;
}
while (true)
{
//Get RGB-D Images
cv::Mat color, depth;
bool ret = depthCam.capture(color, depth);
if (!ret) {
std::cerr << "Get realsense camera data failure!" << std::endl;
break;
}
vector<vector<Point> > result;
result = find_obstacle(depth, 20, 255, 500);
if (cvWaitKey(1) == 27)
break;
}
depthCam.release();
}