고양이공방

Boost library를 위한 Cmake 설정 Boost library 는 대부분이 헤더만 있어도 사용이 가능하지만 아래와 같이 몇몇개(thread system와 같은 library)는 링크시켜 주어야 한다.   # cmake 최소 요구 버전 2.8 cmake_minimum_required(VERSION 2.8) set(CMAKE_CXX_FLAGS "-std=c++11") project( project ) find_package(Boost REQUIRED thread system) # 프로젝트 디렉터리의 파일을 SRC_LIST에 추가 aux_source_directory(. SRC_LIST) # project name의 executable을 생성 # SRC_LIST를 컴파일 add_executable( ${PROJECT_NAME} ${SRC_LIST} ) TARGET_LINK_LIBRARIES( ${PROJECT_NAME} ${Boost_LIBRARIES} ) 

Linux Serial 통신코드 쉽게 구할수 있는 C code를 class로 묶어쉽게 사용하기 쉽게 해두었지만, 이왕이면 Qt혹은 Boost등에 있는 외부라이브러리를 이용하세요.(그 외 라이브러리도 마찬가지) 라이브러리를 사용하는 것이 성능으로나 안정성으로나 개발속도면에서 더 좋습니다. #include <string.h> #include <unistd.h> #include <termios.h> #include <fcntl.h> #include <iostream> class Serial { public: Serial() { memset(&newtio, 0, sizeof(newtio) ); newtio.c_cflag = B9600; // 통신 속도 115200 newtio.c_cflag |= CS8; // 데이터 비트가 8bit newtio.c_cflag |= CLOCAL; // 외부 모뎀을 사용하지 않고 내부 통신 포트 사용 newtio.c_cflag |= CREAD; // 쓰기는 기본, 읽기도 가능하게 newtio.c_iflag = IGNPAR; // parity 비트는 없음 newtio.c_oflag = 0; newtio.c_lflag = 0; newtio.c_cc[VTIME] = 0; newtio.c_cc[VMIN] = 1; tcflush (fd, TCIFLUSH ); tcsetattr(fd, TCSANOW, &newtio ); // 포트에 대한 통신 환경을 설정합니다. } int open(std::string device) { fd = ::open(device.c_str() , O_RDWR | O_NONBLOCK ); ...

요약  syntaxhighlight를 이용하여 블로그에 코드 삽입을 하는 글은 많다. 하지만, cpp 의 template을 사용하는 경우에 제대로 되지않아 글을 작성함.   1. 아래의 링크를 참조하여 따라한다. http://oneqonea.blogspot.kr/2012/04/how-do-i-add-syntax-highlighting-to-my.html   2. 올리고자 하는 cpp코드의 "<"문자를 "&lt;"로 대체한다. 2번의 과정이 없어도 code highlight는 되나 템플릿을 사용하였을 경우에 템플릿의 "< >" 문법이 html의 "< >" 태크로 인식되어 highlight된 코드의 말단에 찌끄레기 같은? 코드가 남는다.  * c++ 언어가 아니라면 굳이 2번 과정을 하지 않아도 좋다.

solvePnP opencv함수로 chessboard의 좌표계를 구성하여 chessboard 좌표계까지의 변환 행렬을 얻을 수 있다. 물론, 카메라 calibration 및 그 외의 전과정은 미리 다 해둔 것으로 가정. * 정확하게는 chessboard와 카메라 사이의 translation vector와 rotation vector가 반환된다. homography matrix를 얻고싶다면 위의 값을 잘 이용해보자. 아래의 동영상을 보면 쉽게 이해 될 것이다. 이와 같은 pose estimation은 써먹을 곳이 많다. 예로들면, 움직이는 물체를 추적하고 이동거리를 알고 싶을 때 pixel단위가 아닌 mm단위로 이동거리를 알아낼 수 있다. 이와 마찬가지로 지면과 카메라 간의 변환 행렬을 구하여 실제 거리를 재는등의 목적으로 사용할 수 있을 것 같다.   장점 1. 오차가 상당히 없는 듯하다. 2. 데이터를 실험적으로 뽑아 낸 것은 아니지만 나의 감각에 의하면 오차가 커봐야 1cm터 내외 일 듯 하다. *위의 영상에서는 chessboard 좌표계의 원점에서 부터 x,y,z 축으로 5cm의 선을 그리도록 하였다. 단점 1. findChessboard 과정에서 corner를 못 찾게 되면 상당한 시간이 지연된다. 2. 최소 3x3 chessboard가 필요하다. 핵심 코드 struct CamParameter { cv :: Mat cameraMatrix; cv :: Mat distCoeffs; }; void solvePnP (Mat & img, CamParameter camParam) { vector < Point3f > objectPoint; vector < Point2f > imagePoint = findChessboard(img); if (imagePoint.size() != CHESS_COLS ...

web cam 2대를 이용해서 stereo camera를 만들어 보았다. 실시간으로 depth 값을 얻어오려 했으나 실패하였으나 Depth 값을 얻어 오는 것 까지는 성공하였다. 처음에는 다른 기종의 web cam로 시도했으나 화각에 차이에 따른 문제가 때문인지 rectification 과정이 제대로 되지 않아 실패하였다. 결국 같은 기종의 web cam [개당 만원]을 구입해 값을 출력해보니 상당히 괜찮은 결과물이 나왔다. 심지어 같은 기종의 web cam을 이용하니 스테레오 보정을 하지 않아도 어느 정도 결과물이 나온다. [그래 봤자 아래의 결과물이다. 쓸만한 건 아니다.] 아래의 동영상은 OpenCV의 steroBM 과 stereoSGBM을 이용한 영상이다. [BM] [SGBM] 위의 영상들은 software로 Rectification 을 전혀 하지 않고 찍은 영상이다. 추후 더 좋은 카메라를 구하게 되면 다시 영상을 업로드 하겠다. 추후 결과 해보니 보정을 하지 않는 편이 결과물이 더 좋더군요. 아무래도 너무 저가의 카메라를 이용하여서 그런듯 합니다. 언젠가 더 좋은 카메라를 쓸 수 있기를 ㅠ_ㅠ

Stereo Rectification 우선, stereo camera를 만들기 위해서는 당연히 2대의 카메라가 필요한데 같은 카메라 2대를 쓰는 것이 당연히 좋다. stereo camera를 구성하는 순서는 1. camera calibration 2. stereo calibration 3. stereo rectification 이와 같은 3가지 과정이 필요하다. 자세한 내용은 건너뛰고, 여기서 언급하려고 하는 과정은 3. stereo rectification이다. 두 장의 다른 이미지의 행을 맞추는 작업이다. 이 과정은 camera calibration, stereo calibration 두 과정이 선행되어 있어야 한다. 즉, 정확한 스테레오를 구현 하기 위해서는 카메라 내부행렬 및 두 카메라 사이의 관계를 알고 있어야 한다. 위의 사진은 OpenCV의 예제 파일이다. 좌측 상단의 사진은 좌측 카메라의 사진이고, 우측 상단의 사진은 우측 카메라의 사진이다. 사진을 자세히 보면 두 사진의 열이 같은 모습을 볼 수 있다. 또한, 좌측 하단의 사진은 우측 상단의 사진과 같은 사진인데 좌측 사진과 우측 사진이 다른 사진임을 보이기 위해 수직으로 선을 그었다. 수직으로 그어진 선을 보면 두 사진 간에 시차가 발생하는 것을 알 수 있다. 잘 정렬된 사진을 이용하여 Depth Map을 그린 사진이다. 위의 결과는 상당히 Rectify가 잘 된 경우이고, 일반적인 경우는 이 보다 못한 결과 값이 나온다. 나는 만원짜리 카메라를 사용하여 그런지 매우 좋지 못한 결과 값이 나왔다. 하지만, 위의 사진을 보면 알고리즘은 문제 없음을 알 수 있다.