相机型号：图漾科技 FS820 深度相机
【参数信息】【深度相机开发说明文档】【SDK下载】
编译环境：Ubuntu 18.04 / C++ / VS code
安装库：OpenCV + PCL
图漾深度相机初步使用流程见博客，在能简单应用相机示例程序的基础上，对相机进行开发，以实现三维点云处理，本文实现的功能是显示实时点云图。

1. 从示例程序 SimpleView_FetchFrame 开始

程序功能

SimpleView_FetchFrame 是深度相机获取图像数据并在数据获取线程中进行 OpenCV 渲染的示例程序，以此为例说明图像获取流程【图像获取的完整流程】

运行程序，生成 color彩色图像、depth深度图像、leftIR、rightIR 窗口

程序解读

打开 sample/SimpleView_FetchFrame/main.cpp，解读代码：

从主函数开始阅读，可以看到多个 LOGD() 函数，这些函数实现的是打印功能，相当于程序中的注释（如 LOGD("Init lib")，说明下一段代码的功能是初始化 API，初始化设备对象等数据结构）

对于开发者而言，我们需要关注的是如何获取相机的数据，以进行后续的处理，也就是下图中的 Loop 循环部分，这一循环的作用是不断获取相机的帧数据，并对数据进行处理（本例中的处理效果即为生成 color彩色图像、depth深度图像、leftIR、rightIR 窗口）

因此我们继续往下阅读代码，读到 LOGD("While loop to fetch frame") 语句，下面一段程序的功能就是获取相机帧循环，贴出代码进行解读：

LOGD("While loop to fetch frame");bool exit_main = false;  TY_FRAME_DATA frame;int index = 0;while(!exit_main) {int err = TYFetchFrame(hDevice, &frame, -1);if( err == TY_STATUS_OK ) {LOGD("Get frame %d", ++index);int fps = get_fps();if (fps > 0){LOGI("fps: %d", fps);}cv::Mat depth, irl, irr, color;parseFrame(frame, &depth, &irl, &irr, &color, hColorIspHandle);if(!depth.empty()){depthViewer.show(depth);}if(!irl.empty()){ cv::imshow("LeftIR", irl); }if(!irr.empty()){ cv::imshow("RightIR", irr); }if(!color.empty()){ cv::imshow("Color", color); }int key = cv::waitKey(1);switch(key & 0xff) {case 0xff:break;case 'q':exit_main = true;break;default:LOGD("Unmapped key %d", key);}TYISPUpdateDevice(hColorIspHandle);LOGD("Re-enqueue buffer(%p, %d)", frame.userBuffer, frame.bufferSize);ASSERT_OK( TYEnqueueBuffer(hDevice, frame.userBuffer, frame.bufferSize) );}}

首先定义了 bool 型变量exit_main：作为循环的标志位，while(!exit_main) 表示当 exit_main = 1 时循环结束

Fetch Frame
这一段代码的功能是获取相机的帧信息，即 frame：

int err = TYFetchFrame(hDevice, &frame, -1);if( err == TY_STATUS_OK ) {LOGD("Get frame %d", ++index);int fps = get_fps();if (fps > 0){LOGI("fps: %d", fps);}

这段代码的核心部分为：TYFetchFrame(hDevice, &frame, -1)，函数功能为 Fetch one frame，即通过输入 hDevice 这一参数，获取一帧相机的信息到 frame 中，如果成功获取帧信息，则返回值为 TY_STATUS_OK

当 err == TY_STATUS_OK （成功获取帧信息）时，会打印信息：Get frame + (index 的值)，表示当前获取的是第几帧，index 在每次循环中加1，如下图所示：

Parse Frame
这一段代码的功能是解析获取的帧信息：

cv::Mat depth, irl, irr, color;
parseFrame(frame, &depth, &irl, &irr, &color, hColorIspHandle);

首先定义 cv::Mat 类型的深度图 depth，彩色图 color，左红外图像 irl，右红外图像 irr
接着通过 parseFrame() 函数解析 frame，分别生成深度图、左右红外图和彩色图

User Process
在解析帧后，我们成功得到了相机的深度图 depth 和彩色图 color 等，用户就可以利用获取的数据进行处理和开发了，示例程序中实现的是简单的图像显示功能，即分别可视化深度图、左右红外图和彩色图：

if(!depth.empty()){depthViewer.show(depth);}if(!irl.empty()){ cv::imshow("LeftIR", irl); }if(!irr.empty()){ cv::imshow("RightIR", irr); }if(!color.empty()){ cv::imshow("Color", color); }int key = cv::waitKey(1);switch(key & 0xff) {case 0xff:break;case 'q':exit_main = true;break;default:LOGD("Unmapped key %d", key);}

如果在 openCV 的图窗中，键盘按下 q 键，则exit_main = true，整个帧循环会结束

Return Frame Buffer

TYISPUpdateDevice(hColorIspHandle);
LOGD("Re-enqueue buffer(%p, %d)" , frame.userBuffer, frame.bufferSize);
ASSERT_OK( TYEnqueueBuffer(hDevice, frame.userBuffer, frame.bufferSize) );

更新设备状态，将 frame buffer 推入帧缓冲队列

2. 创建自己的点云处理程序

文件结构

最简单的方式是直接在 sample 文件夹创建一个新的文件夹例如 point3D，并在该文件夹中创建 main.cpp ，接着在 CMakeLists.txt 中修改以下部分即可：

set(ALL_SAMPLESpoint3D  # 加上自己命名的文件夹DumpAllFeaturesListDevices...

在 sample/build 目录下打开终端，重新编译运行即可：

cmake ..
make
cd bin
sudo ./point3D

创建点云

根据对示例程序的分析可知，通过 parseFrame(frame, &depth, &irl, &irr, &color, hColorIspHandle) 语句可以获取相机的深度图和彩色图，处理深度图得到位置信息 (x,y,z)(x, y, z)(x,y,z) ，处理彩色图得到颜色信息(r,g,b)(r, g, b)(r,g,b) ，最终生成包含颜色信息的点云图

使用 Point CLoud Library 处理点云，首先需要安装 PCL 库：

安装 PCL 库

sudo apt install libpcl-dev

修改 CMakeLists.txt 添加 PCL 库

添加如下语句：

# ========================================
# === PCL
# ========================================
find_package(PCL 1.8 REQUIRED)include_directories(${PCL_INCLUDE_DIRS})link_directories(${PCL_LIBRARY_DIRS})add_definitions(${PCL_DEFINITIONS})

修改倒数第五行：

target_link_libraries(${sample} sample_common ${ABSOLUTE_TARGET_LIB} ${OpenCV_LIBS} ${CLOUD_VIEWER} ${PCL_LIBRARIES})

Map depth image to 3D points
根据深度相机的标定参数，将深度图映射为三维点云：

(1) 首先需要获取深度相机的标定参数，根据官方文档可知，利用 TYGetStruct() 函数即可：

 TY_CAMERA_CALIB_INFO depth_calib; TYGetStruct(hDevice, TY_COMPONENT_DEPTH_CAM, TY_STRUCT_CAM_CALIB_DATA, &depth_calib,sizeof(depth_calib));  //  提取深度相机的标定数据

(2) 接着将深度图转换为三维数据：

std::vector<TY_VECT_3F> p3d;  // p3d 用于存储三维数据
TYMapDepthImageToPoint3d(&depth_calib, depth.cols, depth.rows
, (uint16_t*)depth.data, &p3d[0]);  // 输入深度数据和标定数据，输出三维数据

p3d[i].x 表示第 i 个点的 x值；p3d[i].y 表示第 i 个点的 y值；p3d[i].z 表示第 i 个点的 z值

Map original RGB image to depth coordinate RGB image
根据彩色相机的标定参数，将彩色图与深度图对齐：

(1) 首先需要获取彩色相机的标定参数，根据官方文档可知，利用 TYGetStruct() 函数即可：

 TY_CAMERA_CALIB_INFO color_calib; TYGetStruct(hDevice, TY_COMPONENT_RGB_CAM, TY_STRUCT_CAM_CALIB_DATA
, &color_calib, sizeof(color_calib));  // 提取彩色相机的标定数据

(2) 彩色图与深度图对齐：
首先定义函数doRgbRegister()，实现对齐功能：

// 定义一个函数 doRgbRegister()，实现对齐功能
static void doRgbRegister(const TY_CAMERA_CALIB_INFO& depth_calib, const TY_CAMERA_CALIB_INFO& color_calib, const cv::Mat& depth, const cv::Mat& color, cv::Mat& out)
{// do rgb undistortionTY_IMAGE_DATA src;src.width = color.cols;src.height = color.rows;src.size = color.size().area() * 3;src.pixelFormat = TY_PIXEL_FORMAT_RGB;src.buffer = color.data;cv::Mat  undistort_color = cv::Mat(color.size(), CV_8UC3);TY_IMAGE_DATA dst;dst.width = color.cols;dst.height = color.rows;dst.size = undistort_color.size().area() * 3;dst.buffer = undistort_color.data;dst.pixelFormat = TY_PIXEL_FORMAT_RGB;TYUndistortImage(&color_calib, &src, NULL, &dst);// do registerout.create(depth.size(), CV_8UC3);TYMapRGBImageToDepthCoordinate(&depth_calib,depth.cols, depth.rows, depth.ptr<uint16_t>(),&color_calib,undistort_color.cols, undistort_color.rows, undistort_color.ptr<uint8_t>(),out.ptr<uint8_t>());
}

在主函数中调用函数doRgbRegister()：

cv::Mat color_data_mat;  // color_data_mat 为对齐后的彩色图
if (!color.empty())
{bool hasColorCalib;
TYHasFeature(hDevice, TY_COMPONENT_RGB_CAM, TY_STRUCT_CAM_CALIB_DATA, &hasColorCalib);  // 查询有无彩色相机标定参数这一属性if (hasColorCalib) {doRgbRegister(depth_calib, color_calib, depth, color, color_data_mat); // 输入深度相机标定数据、彩色相机标定数据、深度图和彩色图，输出对齐后的彩色图cv::cvtColor(color_data_mat, color_data_mat, cv::COLOR_BGR2RGB);  // BGR 格式转换为 RGB 格式}
}

生成 PointXYZRGB 类型点云（核心代码）

pcl::PointCloud<pcl::PointXYZRGB> cloud; // 生成的点云 cloud
pcl::PointXYZRGB point; for (int m = 0; m < depth.rows; m++){for (int n=0; n < depth.cols; n++){point.x = p3d[(m*(depth.cols)+n)].x;point.y = p3d[(m*(depth.cols)+n)].y;point.z = p3d[(m*(depth.cols)+n)].z;point.r = color_data_mat.at<cv::Vec3b>(m, n)[0];point.g = color_data_mat.at<cv::Vec3b>(m, n)[1];point.b =color_data_mat.at<cv::Vec3b>(m, n)[2];cloud.points.push_back(point); // 构造xyzrgb类型点云}}cloud.width = (uint32_t)cloud.points.size();cloud.height = 1;

点云可视化

boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("3D Viewer"));pcl::PointCloud<pcl::PointXYZRGB>::Ptr basic_cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);
basic_cloud_ptr = cloud.makeShared(); // 转换为指针格式 basic_cloud_ptr
basic_cloud_ptr->is_dense = false;  //  自己创建的点云，默认为dense，需要修改属性，否则removenanfrompointcloud函数无效
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);
std::vector<int> mapping;
pcl::removeNaNFromPointCloud(*basic_cloud_ptr, *cloud_ptr, mapping); // 移除无效点viewer1->removeAllPointClouds();  // 移除当前所有点云
viewer1->addPointCloud<pcl::PointXYZRGB> (cloud_ptr, "initial");
viewer1->updatePointCloud(cloud_ptr, "initial");
viewer1->spinOnce(100);

点云图实时显示完整代码

#include <TYApi.h>
#include "TYImageProc.h"
#include "../common.hpp"#include <vector>#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>#include <pcl/point_types.h>
#include <pcl/io/ply_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/io/io.h>
#include <pcl/filters/filter.h>
#include <pcl/common/impl/io.hpp>static void doRgbRegister(const TY_CAMERA_CALIB_INFO& depth_calib, const TY_CAMERA_CALIB_INFO& color_calib, const cv::Mat& depth, const cv::Mat& color, cv::Mat& out)
{// do rgb undistortionTY_IMAGE_DATA src;src.width = color.cols;src.height = color.rows;src.size = color.size().area() * 3;src.pixelFormat = TY_PIXEL_FORMAT_RGB;src.buffer = color.data;cv::Mat  undistort_color = cv::Mat(color.size(), CV_8UC3);TY_IMAGE_DATA dst;dst.width = color.cols;dst.height = color.rows;dst.size = undistort_color.size().area() * 3;dst.buffer = undistort_color.data;dst.pixelFormat = TY_PIXEL_FORMAT_RGB;ASSERT_OK(TYUndistortImage(&color_calib, &src, NULL, &dst));// do registerout.create(depth.size(), CV_8UC3);ASSERT_OK(TYMapRGBImageToDepthCoordinate(&depth_calib,depth.cols, depth.rows, depth.ptr<uint16_t>(),&color_calib,undistort_color.cols, undistort_color.rows, undistort_color.ptr<uint8_t>(),out.ptr<uint8_t>()));
}void eventCallback(TY_EVENT_INFO *event_info, void *userdata)
{if (event_info->eventId == TY_EVENT_DEVICE_OFFLINE) {LOGD("=== Event Callback: Device Offline!");// Note: //     Please set TY_BOOL_KEEP_ALIVE_ONOFF feature to false if you need to debug with breakpoint!}else if (event_info->eventId == TY_EVENT_LICENSE_ERROR) {LOGD("=== Event Callback: License Error!");}
}int main(int argc, char* argv[])
{std::string ID, IP;TY_INTERFACE_HANDLE hIface = NULL;TY_ISP_HANDLE hColorIspHandle = NULL;TY_DEV_HANDLE hDevice = NULL;int32_t color, ir, depth;color = ir = depth = 1;for(int i = 1; i < argc; i++) {if(strcmp(argv[i], "-id") == 0){ID = argv[++i];} else if(strcmp(argv[i], "-ip") == 0) {IP = argv[++i];} else if(strcmp(argv[i], "-color=off") == 0) {color = 0;} else if(strcmp(argv[i], "-depth=off") == 0) {depth = 0;} else if(strcmp(argv[i], "-ir=off") == 0) {ir = 0;} else if(strcmp(argv[i], "-h") == 0) {LOGI("Usage: SimpleView_FetchFrame [-h] [-id <ID>] [-ip <IP>]");return 0;}}LOGD("Init lib");ASSERT_OK( TYInitLib() );TY_VERSION_INFO ver;ASSERT_OK( TYLibVersion(&ver) );LOGD("     - lib version: %d.%d.%d", ver.major, ver.minor, ver.patch);std::vector<TY_DEVICE_BASE_INFO> selected;ASSERT_OK( selectDevice(TY_INTERFACE_ALL, ID, IP, 1, selected) );ASSERT(selected.size() > 0);TY_DEVICE_BASE_INFO& selectedDev = selected[0];ASSERT_OK( TYOpenInterface(selectedDev.iface.id, &hIface) );ASSERT_OK( TYOpenDevice(hIface, selectedDev.id, &hDevice) );int32_t allComps;ASSERT_OK( TYGetComponentIDs(hDevice, &allComps) );///try to enable color cameraif(allComps & TY_COMPONENT_RGB_CAM  && color) {LOGD("Has RGB camera, open RGB cam");ASSERT_OK( TYEnableComponents(hDevice, TY_COMPONENT_RGB_CAM) );//create a isp handle to convert raw image(color bayer format) to rgb imageASSERT_OK(TYISPCreate(&hColorIspHandle));//Init code can be modified in common.hpp//NOTE: Should set RGB image format & size before init ISPASSERT_OK(ColorIspInitSetting(hColorIspHandle, hDevice));//You can  call follow function to show  color isp supported features
#if 0ColorIspShowSupportedFeatures(hColorIspHandle);
#endif//You can turn on auto exposure function as follow ,but frame rate may reduce .//Device may be casually stucked  1~2 seconds while software is trying to adjust device exposure time value
#if 0ASSERT_OK(ColorIspInitAutoExposure(hColorIspHandle, hDevice));
#endif}if (allComps & TY_COMPONENT_IR_CAM_LEFT && ir) {LOGD("Has IR left camera, open IR left cam");ASSERT_OK(TYEnableComponents(hDevice, TY_COMPONENT_IR_CAM_LEFT));}if (allComps & TY_COMPONENT_IR_CAM_RIGHT && ir) {LOGD("Has IR right camera, open IR right cam");ASSERT_OK(TYEnableComponents(hDevice, TY_COMPONENT_IR_CAM_RIGHT));}//try to enable depth mapLOGD("Configure components, open depth cam");if (allComps & TY_COMPONENT_DEPTH_CAM && depth) {int32_t image_mode;ASSERT_OK(get_default_image_mode(hDevice, TY_COMPONENT_DEPTH_CAM, image_mode));LOGD("Select Depth Image Mode: %dx%d", TYImageWidth(image_mode), TYImageHeight(image_mode));ASSERT_OK(TYSetEnum(hDevice, TY_COMPONENT_DEPTH_CAM, TY_ENUM_IMAGE_MODE, image_mode));ASSERT_OK(TYEnableComponents(hDevice, TY_COMPONENT_DEPTH_CAM));//depth map pixel format is uint16_t ,which default unit is  1 mm//the acutal depth (mm)= PixelValue * ScaleUnit }LOGD("Prepare image buffer");uint32_t frameSize;ASSERT_OK( TYGetFrameBufferSize(hDevice, &frameSize) );LOGD("     - Get size of framebuffer, %d", frameSize);LOGD("     - Allocate & enqueue buffers");char* frameBuffer[2];frameBuffer[0] = new char[frameSize];frameBuffer[1] = new char[frameSize];LOGD("     - Enqueue buffer (%p, %d)", frameBuffer[0], frameSize);ASSERT_OK( TYEnqueueBuffer(hDevice, frameBuffer[0], frameSize) );LOGD("     - Enqueue buffer (%p, %d)", frameBuffer[1], frameSize);ASSERT_OK( TYEnqueueBuffer(hDevice, frameBuffer[1], frameSize) );LOGD("Register event callback");ASSERT_OK(TYRegisterEventCallback(hDevice, eventCallback, NULL));bool hasTrigger;ASSERT_OK(TYHasFeature(hDevice, TY_COMPONENT_DEVICE, TY_STRUCT_TRIGGER_PARAM, &hasTrigger));if (hasTrigger) {LOGD("Disable trigger mode");TY_TRIGGER_PARAM trigger;trigger.mode = TY_TRIGGER_MODE_OFF;ASSERT_OK(TYSetStruct(hDevice, TY_COMPONENT_DEVICE, TY_STRUCT_TRIGGER_PARAM, &trigger, sizeof(trigger)));}LOGD("Start capture");ASSERT_OK( TYStartCapture(hDevice) );LOGD("While loop to fetch frame");TY_FRAME_DATA frame;boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("3D Viewer"));while(!viewer1->wasStopped()){int err = TYFetchFrame(hDevice, &frame, -1);cv::Mat depth, irl, irr, color;parseFrame(frame, &depth, &irl, &irr, &color, hColorIspHandle);std::vector<TY_VECT_3F> p3d;TY_CAMERA_CALIB_INFO depth_calib; TY_CAMERA_CALIB_INFO color_calib;pcl::PointCloud<pcl::PointXYZRGB> cloud;pcl::PointXYZRGB point; p3d.resize(depth.size().area());TYGetStruct(hDevice, TY_COMPONENT_DEPTH_CAM, TY_STRUCT_CAM_CALIB_DATA, &depth_calib, sizeof(depth_calib));  //  提取深度相机的标定数据TYGetStruct(hDevice, TY_COMPONENT_RGB_CAM, TY_STRUCT_CAM_CALIB_DATA, &color_calib, sizeof(color_calib)); // 提取RGB相机的标定数据TYMapDepthImageToPoint3d(&depth_calib, depth.cols, depth.rows, (uint16_t*)depth.data, &p3d[0]); // 深度图像->xyz点云cv::Mat color_data_mat;if (!color.empty()){bool hasColorCalib;TYHasFeature(hDevice, TY_COMPONENT_RGB_CAM, TY_STRUCT_CAM_CALIB_DATA, &hasColorCalib);if (hasColorCalib){doRgbRegister(depth_calib, color_calib, depth, color, color_data_mat);cv::cvtColor(color_data_mat, color_data_mat, cv::COLOR_BGR2RGB);}}for (int m = 0; m < depth.rows; m++){for (int n=0; n < depth.cols; n++){point.x = p3d[(m*(depth.cols)+n)].x;point.y = p3d[(m*(depth.cols)+n)].y;point.z = p3d[(m*(depth.cols)+n)].z;point.r = color_data_mat.at<cv::Vec3b>(m, n)[0];point.g = color_data_mat.at<cv::Vec3b>(m, n)[1];point.b =color_data_mat.at<cv::Vec3b>(m, n)[2];cloud.points.push_back(point); // 构造xyzrgb类型点云}}cloud.width = (uint32_t)cloud.points.size();cloud.height = 1;pcl::PointCloud<pcl::PointXYZRGB>::Ptr basic_cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);basic_cloud_ptr = cloud.makeShared(); // 转换为指针格式 basic_cloud_ptrbasic_cloud_ptr->is_dense = false;  //  自己创建的点云，默认为dense，需要修改属性，否则removenanfrompointcloud函数无效pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);std::vector<int> mapping;pcl::removeNaNFromPointCloud(*basic_cloud_ptr, *cloud_ptr, mapping); // 移除无效点viewer1->removeAllPointClouds();  // 移除当前所有点云viewer1->addPointCloud<pcl::PointXYZRGB> (cloud_ptr, "initial"); viewer1->updatePointCloud(cloud_ptr, "initial"); viewer1->spinOnce(100);TYISPUpdateDevice(hColorIspHandle);LOGD("Re-enqueue buffer(%p, %d)", frame.userBuffer, frame.bufferSize);ASSERT_OK( TYEnqueueBuffer(hDevice, frame.userBuffer, frame.bufferSize));}ASSERT_OK( TYStopCapture(hDevice) );ASSERT_OK( TYCloseDevice(hDevice) );ASSERT_OK( TYCloseInterface(hIface) );ASSERT_OK(TYISPRelease(&hColorIspHandle));ASSERT_OK( TYDeinitLib() );LOGD("Main done!");return 0;
}

3. 新建工程

如果不想使用官方 SDK 的文件结构，自己新建一个项目，可以新建工程文件夹 TYCamera，文件结构如图：

除了 CMakeLists.txt 和 main.cpp，其他的文件都可以直接从官方 SDK 中拷贝，main.cpp 即为上一节中的点云图实时显示完整代码

CMakeLists.txt 修改为：
(可以正常运行，但我对 cmake 不是很熟悉，写法上可能有不规范之处）

cmake_minimum_required(VERSION 2.8)
project(rgbd_camera)if (NOT TARGET tycam) #only build samples option (OpenCV_STATIC OFF)set(INCLUDE_PATH include)include_directories(${INCLUDE_PATH})set(ABSOLUTE_TARGET_LIB tycam)add_library(${ABSOLUTE_TARGET_LIB} SHARED IMPORTED)if(ARCH)set_property(TARGET ${ABSOLUTE_TARGET_LIB} PROPERTY IMPORTED_LOCATION ${CMAKE_CURRENT_SOURCE_DIR}/../lib/linux/lib_${ARCH}/libtycam.so)else()set(ABSOLUTE_TARGET_LIB -ltycam)endif()
endif()# ========================================
# === common, build static lib to speed up
# ========================================
set(COMMON_SOURCES src/MatViewer.cpp src/TYThread.cpp)add_library(sample_common STATIC ${COMMON_SOURCES})if(UNIX)target_link_libraries(sample_common pthread)
endif()# ========================================
# === OpenCV
# ========================================
set(OpenCV_DIR "/home/olefine_casia/opencv-4.5.1/build/")
find_package(OpenCV REQUIRED)
if (NOT OpenCV_FOUND)message(FATAL_ERROR "OpenCV library not found")
else()include_directories(${OpenCV_INCLUDE_DIRS})include_directories(${OpenCV2_INCLUDE_DIRS})# if(CMAKE_BUILD_TYPE STREQUAL Debug)# link_directories(${OpenCV_LIB_DIR_DBG})# else()# link_directories(${OpenCV_LIB_DIR_OPT})# endif()link_directories(${OpenCV_LIB_DIR})endif()# ========================================
# === PCL
# ========================================
find_package(PCL 1.8 REQUIRED)include_directories(${PCL_INCLUDE_DIRS})link_directories(${PCL_LIBRARY_DIRS})add_definitions(${PCL_DEFINITIONS})aux_source_directory(./src/ DIR_SRCS)add_executable(rgbd_camera  ${DIR_SRCS})include_directories ( ${CMAKE_CURRENT_SOURCE_DIR}/include)target_link_libraries(rgbd_camera
${ABSOLUTE_TARGET_LIB} ${OpenCV_LIBS} ${PCL_LIBRARIES}
)

图漾深度相机开发-PCL点云实时显示相关推荐

图漾深度相机FS820-E1使用
图漾深度相机使用前言硬件连接电源网络连接开发环境搭建 1. 编译Comport3 SDK(C++) 2. 编译SWIG并安装 3. 编译PYTHON接口测试前言准备做布料的褶皱检测,购 ...
图漾深度相机初步使用流程
目录搭建开发环境 1. 下载 Camport3 SDK 2. 安装依赖 3. 编译 SDK 连接相机 1. 相机上电 2. 网络连接运行Sample 示例程序 1. SimpleView_Fetc ...
ORB-SLAM2配置自己的RGB-D相机（图漾深度相机）
ORB-SLAM2配置自己的RGB-D相机网上配置安装ORB-SLAM2的教程有很多,教程里面也会列举许多常见的编译bug 教程链接:ORB-SLAM2 一般来讲,使用openni来读取相机信息发布 ...
Azure Kinect 3深度相机开发--人体姿态估计并输出各个关节点坐标
Azure Kinect 3深度相机开发--人体姿态估计并输出各个关节点坐标前言一.VS配置Azure Kinect 3开发环境(C++) 1.下载并安装Azure Kinect3 SDK 2.配 ...
图形化深度学习开发平台PaddleStudio（代码开源）
目录一.PaddleStudio概述二.环境准备 2.1 安装PaddlePaddle 2.2 安装依赖库三.基本使用介绍 3.1 启动 3.2 快速体验 3.2.1 下载示例项目 3.2.2 ...
RealSense D435深度相机开发（一）---- 基础介绍
最近项目要用到深度相机,首先进行了选型,参见上篇博客https://blog.csdn.net/SFM2020/article/details/83002133,通过各种深度相机对比,最终选择了int ...
rviz可视化PCL点云时显示颜色
在做点云开发时,rviz是一个必要的调试工具. 不同的话题,订阅到不同的点云.但点云的颜色是一样的,那就会造成无法分清除哪些点云来自哪一部分. 如下图,接受了两个topic.所有点云混为一体. 这时候 ...
大恒相机开发实践(1)——实时采图
目录前言正文准备工作设备的初始化设备信息的获取实时采图将采集到的Buffer传上显示层总结前言本篇博客稍微记录一下我所写的插件.具体内容是有关于大恒相机的,关于这个相机,相信搜索到 ...
大恒相机开发实践(2)——触发采图
目录前言正文开启采图模式开启实时采图功能点击触发按钮总结前言这部分完成的功能是触发采图,所谓触发采图,基本的过程是在先开启连续采图,然后,在某个触发信号到来的时候,读取其中的某一帧的信 ...

图漾深度相机开发-PCL点云实时显示

目录