Gen2 深度信息流

本示例说明如何设置SGBM(半全局匹配)视差深度节点,如何通过XLink连接以将结果实时传输到主机,以及如何在OpenCV中显示深度图。请注意,这种情况下会使用视差,因为视差会以更直观的方式着色。

演示

设置

请运行以下命令以安装所需的依赖项

Warning

说明:此处安装的是第二代depthai库

python3 -m pip install --extra-index-url https://artifacts.luxonis.com/artifactory/luxonis-python-snapshot-local/ depthai==0.0.2.1+c9a19df719cb668e438d6eafd193cdf60a0d9354 numpy==1.19.5 opencv-python==4.5.1.48

有关更多信息,请参阅 Python API 安装指南

源代码

也可以在 GitHub 上找到。

import cv2
import depthai as dai
import numpy as np

# 定义管道
pipeline = dai.Pipeline()

# 创建左右两个灰度相机流
left = pipeline.createMonoCamera()
left.setResolution(dai.MonoCameraProperties.SensorResolution.THE_400_P)
left.setBoardSocket(dai.CameraBoardSocket.LEFT)

right = pipeline.createMonoCamera()
right.setResolution(dai.MonoCameraProperties.SensorResolution.THE_400_P)
right.setBoardSocket(dai.CameraBoardSocket.RIGHT)

# 创建一个将产生深度图的节点(使用视差输出,因为这样更容易可视化深度)
depth = pipeline.createStereoDepth()
depth.setConfidenceThreshold(200)
left.out.link(depth.left)
right.out.link(depth.right)

# 创建输出流
xout = pipeline.createXLinkOut()
xout.setStreamName("disparity")
depth.disparity.link(xout.input)

# 管道已创建,现在将设备连接管道
with dai.Device(pipeline) as device:
    # 开启管道
    device.startPipeline()

    # 输出队列将用于从上面定义的输出中获取视差帧
    q = device.getOutputQueue(name="disparity", maxSize=4, blocking=False)

    while True:
        in_depth = q.get()  # 阻止呼叫,将等待直到新数据到达
        # 数据最初表示为平面1维数组,需要将其转换为HxW形式
        frame = in_depth.getData().reshape((in_depth.getHeight(), in_depth.getWidth())).astype(np.uint8)
        frame = np.ascontiguousarray(frame)
        # 使用applyColorMap方法给图像添加伪色彩,将应用颜色图以突出显示深度信息
        frame = cv2.applyColorMap(frame, cv2.COLORMAP_JET)
        # 使用OpenCV的imshow方法显示图像
        cv2.imshow("disparity", frame)

        if cv2.waitKey(1) == ord('q'):
            break

有疑问?

我们很乐意为您提供代码或其他问题的帮助。