使用iai_kinect2标定kinectV2相机

实验背景：因为需要制作bundlefusion需要的数据集，所以需要使用kinectV2相机获取rgbd图像，年前的时候在我的笔记本上安装了libfreenect2库和iai_kinect2，标定过一次kinecv2相机，然后使用kinectv2相机实时获取的图像实现elasticfusion稠密重建．但是由于当时时间紧迫，很多东西都没有搞明白，所以趁这次机会将一些问题整理一下，记录一下．

环境搭建：

１．　安装了ROS的kinetic版本

libfreenect2和iai_kinect2的安装参考文章：　https://www.cnblogs.com/li-yao7758258/p/7445429.html

2. 下载libfreenect2

$ cd Downloads
$ git clone https://github.com/OpenKinect/libfreenect2.git

3.安装libfreenect2的依赖

sudo apt-get install build-essential cmake pkg-config libturbojpeg libjpeg-turbo8-dev mesa-common-dev freeglut3-dev libxrandr-dev libxi-dev安装libusb
sudo apt-add-repository ppa:floe/libusb
sudo apt-get update
sudo apt-get install libusb-1.0-0-dev安装GLFW3
cd libfreenect2/depends
sh install_ubuntu.sh
sudo dpkg -i libglfw3*_3.0.4-1_*.deb

4. 继续安装libfreenect2库

$ cd libfreenect2
$ mkdir build
$ cmake ../
$ make -j4
$ sudo make install

5. 使用lsusb指令测试kinectv2相机有没有链接成功．

6.　编译iai_kinect2

$ cd ~/ROS  #在/home/yunlei下创建了一个ROS文件夹，专门盛放ros的工程
$ mkdir -r ./iai_kinect2_ws/src/
$ cd ./iai_kinect2/src
$ git clone https://github.com/code-iai/iai_kinect2.git
$ cd iai_kinect2
$ rosdep install -r --from-paths .
$ cd ~/ROS/iai_kinect2
$ catkin_make -DCMAKE_BUILD_TYPE="Release"
$ rospack profile

7. 测试kinectv2相机是否链接成功

$ cd Download
$ cd libfreenect
$ cd build/bin
$ ./Protonect

如果一切正常的话，相机拍摄的画面将映入眼帘．

８. 测试kinectv2图像数据

$ cd ~/ROS/iai_kinect2_ws
$ source ./devel/setup.bash
$ roslaunch kinect2_bridge kinect2_bridge.launch# open a new terminal
$  rosrun kinect2_viewer kinect2_viewer(但是我这里执行失败)

9. 查看此时发布的与kinect相关的topics

/kinect2/bond
/kinect2/hd/camera_info
/kinect2/hd/image_color
/kinect2/hd/image_color/compressed
/kinect2/hd/image_color_rect
/kinect2/hd/image_color_rect/compressed
/kinect2/hd/image_depth_rect
/kinect2/hd/image_depth_rect/compressed
/kinect2/hd/image_mono
/kinect2/hd/image_mono/compressed
/kinect2/hd/image_mono_rect
/kinect2/hd/image_mono_rect/compressed
/kinect2/hd/points
/kinect2/qhd/camera_info
/kinect2/qhd/image_color
/kinect2/qhd/image_color/compressed
/kinect2/qhd/image_color_rect
/kinect2/qhd/image_color_rect/compressed
/kinect2/qhd/image_depth_rect
/kinect2/qhd/image_depth_rect/compressed
/kinect2/qhd/image_mono
/kinect2/qhd/image_mono/compressed
/kinect2/qhd/image_mono_rect
/kinect2/qhd/image_mono_rect/compressed
/kinect2/qhd/points
/kinect2/sd/camera_info
/kinect2/sd/image_color_rect
/kinect2/sd/image_color_rect/compressed
/kinect2/sd/image_depth
/kinect2/sd/image_depth/compressed
/kinect2/sd/image_depth_rect
/kinect2/sd/image_depth_rect/compressed
/kinect2/sd/image_ir
/kinect2/sd/image_ir/compressed
/kinect2/sd/image_ir_rect
/kinect2/sd/image_ir_rect/compressed
/kinect2/sd/points

10. 打开/home/yunlei/ROS/iai_kinect2_ws/src/iai_kinect2/kinect2_bridge/launch/kinect2_bridge.launch查看kinect相机的分辨率

 <!-- sd point cloud (512 x 424) --><node pkg="nodelet" type="nodelet" name="$(arg base_name)_points_xyzrgb_sd" machine="$(arg machine)"args="load depth_image_proc/point_cloud_xyzrgb $(arg nodelet_manager)" respawn="$(arg respawn)"><remap from="rgb/camera_info"             to="$(arg base_name)/sd/camera_info"/><remap from="rgb/image_rect_color"        to="$(arg base_name)/sd/image_color_rect"/><remap from="depth_registered/image_rect" to="$(arg base_name)/sd/image_depth_rect"/><remap from="depth_registered/points"     to="$(arg base_name)/sd/points"/><param name="queue_size" type="int" value="$(arg queue_size)"/></node><!-- qhd point cloud (960 x 540) --><node pkg="nodelet" type="nodelet" name="$(arg base_name)_points_xyzrgb_qhd" machine="$(arg machine)"args="load depth_image_proc/point_cloud_xyzrgb $(arg nodelet_manager)" respawn="$(arg respawn)"><remap from="rgb/camera_info"             to="$(arg base_name)/qhd/camera_info"/><remap from="rgb/image_rect_color"        to="$(arg base_name)/qhd/image_color_rect"/><remap from="depth_registered/image_rect" to="$(arg base_name)/qhd/image_depth_rect"/><remap from="depth_registered/points"     to="$(arg base_name)/qhd/points"/><param name="queue_size" type="int" value="$(arg queue_size)"/></node><!-- hd point cloud (1920 x 1080) --><node pkg="nodelet" type="nodelet" name="$(arg base_name)_points_xyzrgb_hd" machine="$(arg machine)"args="load depth_image_proc/point_cloud_xyzrgb $(arg nodelet_manager)" respawn="$(arg respawn)"><remap from="rgb/camera_info"             to="$(arg base_name)/hd/camera_info"/><remap from="rgb/image_rect_color"        to="$(arg base_name)/hd/image_color_rect"/><remap from="depth_registered/image_rect" to="$(arg base_name)/hd/image_depth_rect"/><remap from="depth_registered/points"     to="$(arg base_name)/hd/points"/><param name="queue_size" type="int" value="$(arg queue_size)"/>

可以发现kinecv2相机可以直接获取的图像的分辨率有三个，分别是：hd(1920x1080), qhd(960x540), sd(512x424),每一种分辨率又对应了彩色图，灰度图，深度图，以及是否是经过去畸变处理的，深度图是否和彩色图配准．

11. 如果你想获取rect图像，那么你需要给定相应分辨率的相机内参数，而此时使用的是默认/iai_kinect2/kinect2_bridge/data下的相机参数，所以你需要标定你需要的分辨率的相机参数．

12.关于数据获取，如果我标定了960x540的相机内参数，获取了去畸变后的而图像，我直接使用rosbag record指令，录制相应的topic就可以了．所以现在最关键的是标定相机

13. iai_kinect2中也提供了标定工具，在/home/yunlei/ROS/iai_kinect2_ws/src/iai_kinect2/kinect2_calibration中，不过此时在/home/yunlei/ROS/iai_kinect2_ws/src/iai_kinect2/kinect2_calibration/src/kinect2_calibration.cpp文件中默认是标定1920x1080的图像，如果想要标定960x540的相机内参数，则需要将文件1349行中的HD改为QHD

将原来的

std::string topicColor = "/" + ns + K2_TOPIC_HD + K2_TOPIC_IMAGE_MONO;
std::string topicIr = "/" + ns + K2_TOPIC_SD + K2_TOPIC_IMAGE_IR;
std::string topicDepth = "/" + ns + K2_TOPIC_SD + K2_TOPIC_IMAGE_DEPTH;

改为

std::string topicColor = "/" + ns + K2_TOPIC_QHD + K2_TOPIC_IMAGE_MONO;
std::string topicIr = "/" + ns + K2_TOPIC_SD + K2_TOPIC_IMAGE_IR;
std::string topicDepth = "/" + ns + K2_TOPIC_SD + K2_TOPIC_IMAGE_DEPTH;

我刚开始改成了SD但是这种情况下，当你执行rosrun kinect2_calibration kinect2_calibration chess5x7x0.03 record color指令时，没有弹出图像窗口，无法保存图像，并且提示

[ERROR] Tried to advertise a service that is already advertised in this node [/kinect2_calib_1591865100768222736/compressed/set_parameters]
[ERROR] Tried to advertise a service that is already advertised in this node [/kinect2_calib_1591865100768222736/compressed/set_parameters]

我刚开始根据这个错误提示去搜索出了什么问题，但是有网友说这个不影响标定，（https://blog.csdn.net/weixin_30536513/article/details/94969881）但是我这里确实影响了．我折腾了好久，但是还是没有解决这个问题，当我想放弃的时候，突然想起来，我可以把上面的SD改为QHD试试．果然，当我改成了QHD后发现，虽然还是会有上面的错误的提示，但是此时弹出了图像窗口，当我拿着标定板进入相机的视野时，他可以检测到标定板子上的特征点，哇，我好开心．

使用iai_kinect2标定kinectV2相机相关推荐

ROS下获取kinectv2相机的仿照TUM数据集格式的彩色图和深度图
准备工作: 1． ubuntu16.04上安装iai-kinect2, 2. 运行roslaunch kinect2_bridge kinect2_bridge.launch, 3. 运行 rosru ...
ROS获取KinectV2相机的彩色图和深度图并制作bundlefusion需要的数据集
背景: 最近在研究BundleFusion,跑通官方数据集后,就想着制作自己的数据集来运行bundlefusion．KinectV2相机可直接获取的图像的分辨率分为三个HD 1920x1080, QH ...
相机标定篇——相机标定
认为相机标定是三维重建的核心,研究生期间主要方向为结构光三维重建必要的数学知识线性方程求解 Gauss消元法:LU分解:Cholesky分解最小二乘问题-线性方法特征值分解:奇异值分解:超定线 ...
Ubuntu16.04 在ROS中配置RealSence D435 并标定深度相机与rplidar外参
Ubuntu16.04系统,在ROS中配置RealSence D435 ,并标定其与rplidar的外参主要目的是为rplidar标定深度相机外参,为机器人导航的过程提供障碍物识别的功能,因此需要知 ...
工业现场相机坐标系和机械手坐标系的标定(1)-相机和机械手分离的情况
工业现场使用视觉时一般需要相机坐标系和机械手臂坐标系的转化,这里介绍一种比较简单的标定方案.没有使用到标定板.经过几个项目的测试,精度还算可以,如果要求高精度的场合,就用标定板标定吧![可以购买专用的 ...
相机标定：相机模型和畸变模型
一.相机标定方案相机内参标定是确定内参和畸变参数(equidistqant畸变模型)或者(radial tangential模型)的过程. 本文首先介绍SLAM中常用的相机模型和畸变模型,随后介绍我 ...
标定iphone相机_iPhone X的相机更好吗？
标定iphone相机 While the iPhone X's design is its biggest talking point, the thing that really caught my ...
使用标定板对相机位姿进行估计
使用标定板几个特定的点,来对相机相对标定板平面进行位姿估计. 首先进行相机的畸变校正,之后同个各个标定板间的圆点距离进行位姿估计. gen_caltab (7, 7, 0.002, 0.5, 'C:/ ...
用matlab对相机进行标定获取相机内参
常见的相机标定方式是张正友的棋盘格标定法,即用相机拍摄打印好的棋盘格图图像,将图像传入函数计算出相机的内参数据. 本文讲解的是将相机直接连接电脑,用matlab的相机标定工具箱通过相机实时采集一定数量 ...

使用iai_kinect2标定kinectV2相机

使用iai_kinect2标定kinectV2相机相关推荐

最新文章

热门文章