https://dev.intelrealsense.com/docs/code-samples

The multicam sample demonstrates the ability to use the SDK for streaming and rendering multiple devices simultaneously.

多摄像头示例演示了使用SDK来同时流式传输和渲染多个设备的能力。

C/C++源码：

代码概述
与任何SDK应用程序一样，我们包括英特尔实感跨平台API：

#include      // Include RealSense Cross Platform API

在此示例中，我们还将使用以下辅助库example.hpp：

#include "example.hpp"              // Include short list of convenience functions for rendering

examples.hpp 让我们轻松地打开一个新窗口并准备要渲染的纹理。

我们使用的第一个对象是window，它将用于显示所有摄像机的图像。

// Create a simple OpenGL window for rendering:
window app(1280, 960, "CPP Multi-Camera Example");

本window类驻留在example.hpp，让我们轻松地打开一个新的窗口，为渲染准备纹理。

接下来，我们定义示例中要使用的对象。

rs2::context ctx;    // Create librealsense context for managing devicesrs2::colorizer              colorizer;      // Utility class to convert depth data RGBstd::vector  pipelines;

该rs2::context封装封装了所有设备和传感器，并提供了一些其他功能。我们使用rs2::colorizer将深度数据转换为RGB格式。
在示例中，我们使用多个rs2::pipeline对象，每个对象控制单个硬件设备的寿命。

该示例的流程从列出并激活所有连接的英特尔®实感™设备开始：

// Start a streaming pipe per each connected device
for (auto&& dev : ctx.query_devices())
{rs2::pipeline pipe(ctx);rs2::config cfg;cfg.enable_device(dev.get_info(RS2_CAMERA_INFO_SERIAL_NUMBER));pipe.start(cfg);pipelines.emplace_back(pipe);
}

首先，我们rs2::pipeline为每个识别的设备分配对象。请注意，我们rs2::context在所有rs2::pipeline实例之间共享对象。

rs2::pipeline pipe(ctx);

要将特定设备映射到新分配的管道，我们定义rs2::config对象，并为其分配设备的序列号。
然后，我们请求rs::pipeline开始流式传输并产生帧。

pipe.start(cfg);

由于我们未指定明确的流请求，因此在内部将每个设备配置为运行针对该特定设备推荐的一组预定义流配置文件。

添加设备后，我们开始应用程序的主循环：

while (app)

在每个应用周期中，我们遍历已注册的设备并检索所有可用的帧：

// Collect the new frames from all the connected devices
std::vector new_frames;
for (auto &&pipe : pipelines)
{rs2::frameset fs;if (pipe.poll_for_frames(&fs)){for (rs2::frame& f : fs)new_frames.emplace_back(f);}
}

每rs::pipeline一个都针对为其分配的设备配置的所有流产生同步的帧集合。这些都包含在rs2::frameset对象中。
的rs2::frameset本身为一个包装composite_frame，它可以保存比单个类型的帧的更多。

为了最大程度地减少对UI的影响，我们使用非阻塞帧轮询方法：

if (pipe.poll_for_frames(&fs))

为了简化演示，我们将这些rs2::frameset容器分成单独的帧集，并将它们存储在标准C ++容器中，以备后用：

for (rs2::frame& f : fs)new_frames.emplace_back(f);

深度数据以uint16_t类型传送，无法直接渲染，因此我们rs2::colorizer将深度表示转换为人类可读的RGB贴图：

// Convert the newly-arrived frames to render-friendly format
for (const auto& frame : new_frames)
{render_frames[frame.get_profile().unique_id()] = colorizer.process(frame);
}

最后发送收集的帧以更新openGl马赛克：

app.show(render_frames);

python:

# Include short list of convenience functions for rendering
import pyrealsense2 as rs# 自己编的 20191009
import cv2
import numpy as np# Create a simple OpenGL window for rendering:
# window app(1280, 960, "CPP Multi-Camera Example");# Create librealsense context for managing devices
ctx = rs.context()# Utility class to convert depth data RGB
# colorizer = rs.colorizer()# std::vector  pipelines;
# 创建存放pipeline对象的空列表：
pipelines = []# Start a streaming pipe per each connected device
for dev in ctx.query_devices():# print(dev)# 接了两个D435摄像头：# <pyrealsense2.device: Intel RealSense D435 (S/N: 827312071726)># <pyrealsense2.device: Intel RealSense D435 (S/N: 838212074152)>pipe = rs.pipeline(ctx)cfg = rs.config()cfg.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 15)cfg.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 15)cfg.enable_device(dev.get_info(rs.camera_info.serial_number))# print(dev.get_info)# < bound method PyCapsule.get_info of < pyrealsense2.device: Intel RealSense D435(S / N: 827312071726) >># < bound method PyCapsule.get_info of < pyrealsense2.device: Intel RealSense D435(S / N: 838212074152) >># print(dev.get_info(rs.camera_info.serial_number))# 接了两个D435摄像头，显示：# 827312071726# 838212074152pipe.start(cfg)pipelines.append(pipe)# print(pipelines)# 接了两个D435摄像头，因为是在循环内，第一次打印了一个元素，第二次打印了两个元素：# [ < pyrealsense2.pyrealsense2.pipeline object at 0x0000023DD3CE5D88 >]# [ < pyrealsense2.pyrealsense2.pipeline object at 0x0000023DD3CE5D88 >, < pyrealsense2.pyrealsense2.pipeline object at 0x0000023DC44EBA08 >]# reformed by Dontla at 20191009
while True:image_set = []for pipe in pipelines:frames = pipe.wait_for_frames()depth_frame = frames.get_depth_frame()color_frame = frames.get_color_frame()if not depth_frame or not color_frame:continuedepth_image = np.asanyarray(depth_frame.get_data())color_image = np.asanyarray(color_frame.get_data())depth_colormap = cv2.applyColorMap(cv2.convertScaleAbs(depth_image, alpha=0.03), cv2.COLORMAP_JET)images = np.hstack((color_image, depth_colormap))image_set.append(images)image_stack = image_set[0]for images in image_set[1:]:image_stack = np.vstack((image_stack, images))cv2.namedWindow('RealSense', cv2.WINDOW_AUTOSIZE)cv2.imshow('RealSense', image_stack)cv2.waitKey(1)'''
# 老的，我要把它们全用自己的方式改写了！20191009while True:# Collect the new frames from all the connected devices# std::vector new_frames;new_frames = []for pipe in pipelines:# rs2::frameset fs;# 到底是用frame还是composite_frame还是frame_queue?# fs = rs.frame()if pipe.poll_for_frames():fs = pipe.poll_for_frames()new_frames.append(fs)# 自己编的 20191009# 思路：遍历new_frames，将复合帧拆分成深度帧和RGB帧，然后将他们堆叠起来显示。for frames in new_frames:depth_frame = frames.get_depth_frame()color_frame = frames = frames.get_color_frame()depth_image = np.asanyarray(depth_frame.get_data())color_image = np.asanyarray(color_frame.get_data())depth_colormap = cv2.applyColorMap(cv2.convertScaleAbs(depth_image, alpha=0.03), cv2.COLORMAP_JET)images = np.hstack((color_image, depth_colormap))cv2.namedWindow('RealSense', cv2.WINDOW_AUTOSIZE)cv2.imshow('RealSense', images)cv2.waitKey(1)# for f in fs:# print("开始打印")# print(pipe)# print(f)# new_frames.append(f)# 每个pipe输出一个帧地址，两个输出两个，遍历完后重新while True，new_frames清空。# print(new_frames)# # Convert the newly-arrived frames to render-friendly format# render_frames = []# for frame in new_frames:#     # print(frame.get_profile().unique_id())#     render_frames[frame.get_profile().unique_id()] = colorizer.process(frame)#     print(render_frames)
'''

接两个摄像头，最后生成结果：

正常来说，无论多接几个摄像头，都会像上面那样垂直叠加，因为没有设置自适应屏幕，所以某些情况下画面过多有可能会超出屏幕范围之外而无法被肉眼正常看到。

Intel Realsense C/C++ 转 python （9）rs-multicam 多摄像头可视化窗体显示相关推荐

Intel Realsense C/C++ 转 python rs-align 使用深度颜色映射介绍空间流对齐的概念（转不起来，缺少信息）
源网址:rs-align Overview This example introduces the concept of spatial stream alignment. For example u ...
Intel Realsense C/C++ 转 python （1）rs-hello-realsense 获取摄像头正中心对应的深度数据 get_distance()
https://dev.intelrealsense.com/docs/code-samples Demonstrates the basics of connecting to a RealSens ...
python调用海康网络摄像头，实时显示监控内容
用网线将海康威视摄像头与电脑连接在一起:(或者用交换机,在一个交换机下面) 海康摄像头的默认ip是192.168.1.64 效果:和通过海康摄像头网址效果一样 rtsp://用户名:密码@ip地址/S ...
Intel RealSense L515 motion的计算与可视化
文章目录前言一.环境准备二.具体步骤 1.示例下载 2.代码编译 3.填坑前言前面的文章介绍了将L515数据映射至UE当中,本篇文章将针对Intel RealSense SDK 2.0,进行 ...
python如何拟合三维平面（拟合Intel Realsense D435深度数据点）
文章目录拟合Intel Realsense D435深度数据点参考文章:[MQ笔记]超简单的最小二乘法拟合平面(Python) import numpy as np import matplotl ...
python Intel Realsense D435 多线程资源分配问题（卡住、卡死）
在使用python多线程调用Intel Realsense D435多个摄像头时,发现pyrealsense的例如pipeline.start().context.query_devices()函数会 ...
python Intel Realsense udp协议局域网传输实时视频流并通过窗口显示（opencv压缩解码）
文章目录发送端接收端执行结果发送端接收端发送端 # -*- coding: utf-8 -*- """ @File : 200103_obstacle_det ...
Intel Realsense D435 python （Python Wrapper）examples 官方案例汇总
From pypi/pyrealsense 1.Intel Realsense D435 python (Python Wrapper)example -1: quick start (快速开始) F ...
Intel Realsense D435 python 从深度相机realsense生成pcl点云
引用文章:python 从深度相机realsense生成pcl点云从深度相机realsense生成pcl点云一.通过realsense取得深度信息和彩色信息二.获取坐标和色彩信息三.通过pcl ...

Intel Realsense C/C++ 转 python （9）rs-multicam 多摄像头可视化窗体显示

C/C++源码：

python:

Intel Realsense C/C++ 转 python （9）rs-multicam 多摄像头可视化窗体显示相关推荐

最新文章

热门文章