Robot Vision Tool

首发于reasonw.github.io

机器人视觉报告–工具篇

机器人视觉模块常见任务有物体识别（抓杯子，拿书），人体识别，人脸识别，骨架提取，动作识别等。根据这些任务，对应的三大开源库依次有

x=−b±b2−4ac−−−−−−−√2a$$x=\frac{-b\pm \sqrt{b^2-4ac}}{2a}$$

Libraries Short Target Open Source Computer Vision Library OpenCV OpenCV was designed for computational efficiency and with a strong focus on real-time applications.简单点说就是特别强大的开源视觉库 1${}^1$ 2${}^2$ PointCloud Library PCL a standalone, large scale, open project for 2D/3D image and point cloud processing 主要还是用来处理三维点云 1${}^1$ 2${}^2$ Open Natural Interaction OpenNI development of 3D sensing middleware libraries and applications 主要做体感交互这些方面 1${}^1$ 2${}^2$

这篇报告就对以上几个库做了简单的介绍。

视觉算法设计的对象就是矩阵，熟悉数据类是算法设计前提

OpenCV数据类

OpenCV主要是处理二维图像数据，不够最近的版本增加了对点云图的扩展，野心不小啊。还能处理高光谱数据，不够我暂时还没玩儿过。

• Vec | 一维向量
  Vec3b color; //用 color 变量 述一种 RGB 颜色
  
  color[0]=255; //B 分量
  
  color[1]=0; //G分量
  
  color[2]=0; //R分量
• Point .x .y
• size .width .height
• Point3 .x .y .z
• Rect .x .y .width .height
• RotatedRect .points .boundingRect
• Scalar，vec的特殊情况Vec<_Tp,4> double[val] RGBA值
• Range Range(a,b)相当于Matlab中a:b,如Mat img2 = img(Range(1:30), Range::all());//取130行的数据

• Mat
  

  • 任意N维矩阵，自定义数据格式像素通道及行列 Mat colorim(600, 800, CV_8UC3)
    
  • 通过这个函数访问任意像素值
    uchar *pixelPtr = cvMat.data + rowIndex * cvMat.step[0] + colIndex * cvMat.step[1]
    
  • 可选择矩阵特定区域，特定通道

  • 属性

  • A.total() //元素的个数
    
    A.elemSize() //元素的大小，如果是8UC3的话，返回3*sizeof(uchar)
    
    A.elemSize1() //如果是8UC3的话，返回sizeof(uchar)
    
    A.type() //元素的数据类型
    
    A.depth()//元素的位数
    
    A.channels()//矩阵的通道数
    
    A.step1() //矩阵的每一行元素的个数，A.step/A.elemSize1
    
    A.size() //矩阵的尺寸
    
    //注意以下是成员变量不是成员函数
    
    A.step //矩阵的一行的字节数
    
    A.rows //矩阵的行数，即高
    
    A.cols //矩阵的列数，即宽

  • 矩阵运算

  • 向量的点乘A.dot(B)和x乘A.cross(B)

  • 加减乘除绝对值 add subtract multiply divide abs
    
  • 行列式值迹特征向量特征值转置求逆翻转 determinant trace eigen transpose invert flip
    
  • 对数幂指数范数归一化 log exp pow norm normalize
    
  • 统计均值方差协方差马氏距离元素范围
    sum countNonzero mean meanStddev calcCovarMatrix Mahalanobis max min minMaxIdx minMaxLoc checkrange
    
  • 位逻辑运算等 compare 元素一一比较 bitwise_and /not/or/xor
    
  • 通道拆分合并通道元素替换 split merge mixchannels LUT
    
  • 极坐标极角极径 carttopolar polartocart
    
• SparseMat 稀疏矩阵 只储存非零元素，搜索时间平均位O(1),非零元素较少，矩阵维度较大时无论是进行存储还是运算都用得上

PCL数据类

PCL处理点云也就是三维矩阵，但是还应该学一下eigen,才算在多维矩阵的算法设计上有了一个基础
刚刚既然已经有了OpenCV 了为什么还要再用PCL呢，也就是三维数据？因为机器人这个特殊的平台决定了其视觉传感器不仅要获取目的进行识别，还要能够进行检测定位，方便机器人做进一步的交互，比如抓取跟随等等。

下面总共23个。。。

• PointXY .x .y
• PointXYZ .x .y .z points[i].x /points[i].data[0]

• PointXYZI .x .y .z .intensity(强度,表示单通道图像中的灰度强度的点结构。强度表示为浮点值，侧重程度)
  

• InterestPoint .x .y .z .strength(表示关键点强度的测量值,侧重品质)，其他同上

• PointXYZRGBA 坐标和颜色

• PointXYZRGB 有些早期的函数只支持这个格式，不支持PointXYZRGBA

• Normal normal[3]{.normal_x,normal_y,normal_z}, curvature
  表示给定点所在样本曲面上的法线方向，及对应曲率测量值，通常用NormalEstimation获得

• PointNormal 存储point结构体及采样点法线曲率
• PointXYZRGBNormal参考上面

• PointXYZINormal参考上面

• PointWithRange 除了range包含从所获得的视点到采样点的距离测量值之外，其他与PoinxXYZI类似

• PointWithViewpoint 除了vp_x.vp_y,vp_z以三维点表示所获得的视点之外，其他与PoinxXYZI类似

• MomentInvariants .j1 .j2 .j3
  是一个包含采样曲面上面片的三个不变矩的point类型，描述面片上质量的分布情况,由MomentInvariantsEstimation获得

• PrincipalRadiiRSD .r_min .r_max
  是一个包含曲面块上两个RSD半径的point类型，RSDEstimation获得
• Boundary .(uint8_t)boundary_point
  存储一个点是否位于曲面边界上的简单point类型，BoundaryEstimation获得

• PrincipalCurvatures .principal_curvature[3]{.principal_curvature_x/y/z},pc1,pc2
  PrincipalCurvatures包含给定点主曲率的简单point类型，PrincipalCurvaturesEstimation获得

• PFHSignature125/FPFHSignature33/VFHSignature308
  包含给定点的局部特征：点特征直方图histogram[125]/快速点特征直方图histogram[33]
  全局特征：视点特征直方图histogram[308]
  相关函数PFHEstimation/FPFHEstimation/VFHEstimation

• Narf36 .x.y.z .roll .pitch .yaw .decriptor[36]
  包含给定点NARF(归一化对齐半径特征)的简单point NARFEstimation
• BorderDescription .x.y .traits
  包含给定点边界类型的简单point类型，BorderEstimation
• IntensityGrandient gradient[3]{. gradient_x/y/z}
  包含给定点强度的梯度point类型， IntensityGradientEstimation
• Histogram histogram[N];
  用来存储一般用途的n维直方图。
• PointWithScale .x.y.z .scale
  除了scale表示某点用于几何操作的尺度（例如，计算最近邻所用的球体半径，窗口尺寸等等），其它的和PointXYZI一样。
• PointSurfel .x.y.z normal[3],rgba,radius,confidence,curvature
  存储XYZ坐标、曲面法线、RGB信息、半径、可信度和曲面曲率的复杂point类型。

OpenNI API简介

主要是为了做人和机器人的交互，形成标准的API,搭建视觉传感器与视觉感知中间件通信的桥梁

包含手部追踪框架，手势识别框架，自已自动对齐深度图数据到彩色图数据。
包含坐标数据和骨架姿势信息，支持特殊跟踪模式（只追踪手和头或上半身），与ＫinectSdk相比消耗的cpu少
支持红外

• openni::OpenNI 提供了一个静态的Api进入点，提供设备基础访问，视频流基础访问，设备事件驱动访问，错误信版本等信息

• openni::Device

  　提供传感器设备或ONI文件模拟设备连接系统的接口，在创建之前需要先对OpenNI类进行初始化
  Device可以访问流Streams,流的打开必须基于已连接的传感器，有什么传感器开什么流 SENSOR_IR/COLOR/DEPTH
  open(),close(),isValid(),getDeviceInfo
  Registration,FramSync,General 配准帧同步通用功能

• openni::VideoStream 从设备里提取一个视频流，需要获取视频帧引用

  创建和初始化视频流，基于轮询基于事件
  视频帧率，分辨率像素格式，视野（弧度），像素最大最小值
  配置视频模式，裁剪，镜像，通用属性

• openni::VideoFrameRef　从相关源数据里提取一个视频帧，从一个特定的流里面获取

  访问帧，元数据，数据裁剪，时间戳，帧索引，视频模式，数据大小，有效性（初始化的时候调用会返回false）

• openni::Recorder 存储ＯpenNI视频流到文件

• openni::Listener 监听OpenNI 和Stream类产生的事件

• openni::PlaybackControl处理记录文件时查找，循环播放，改变播放速度等功能

• Support 传感器配置类，数据存储类 RGB888Pixel,存储彩色像素值 / Array简单数组类 /Coordinate Conversion 坐标转换（真实坐标和深度坐标）

• Middleware
  
  • NITE2
  • 3D Hand Tracking Library python 无需标记，设备要求Windows/Ubuntu Nvidia CUDA support
  • SigmaNIL Framework 手势重建精度高，手势识别，手势骨架跟踪，部分module需要boost/opencv/cuda/sample需要qt
  • TipTep Skeletonizer 根据手势的深度图提供手势的几何骨架 Windows .NET 4.
  • 3D Face Identification 实时，可二次开发，支持GPU
    1.利用OpenCV的人脸检测在RGB图像中定位人脸；
    2.将人脸区域的深度数据转化为提前规范好的深度数据；
    3.将探测出的数据与数据库中的数据进行比对
  • Volumental windows浏览器插件连接深度摄像机，云端重建3d模型
  • KScan3D Middleware windows 3d扫描重建
  • VIIm SDK2.0 增强版OpenNI/NITE windows
  • GST API 标记用户动作，流畅
  • Motion Nexus Plugin 交互游戏开发
  • Starry Night Feature ExtractionDemonstration SDK 场景或对象扫描