本文所要实现的结果是:通过在摄像头中选择一个追踪点,通过pc控制摄像头的舵机,使这一点始终在图像的中心。
要点:使用光流法在舵机旋转的同时进行追踪,若该点运动,则摄像头跟踪联动。
#include<opencv2\opencv.hpp> #include<opencv\cv.h> #include<opencv\highgui.h> #include<math.h> #include<Windows.h> #include<string.h> using namespace std; using namespace cv; #define WINDOW_NAME "【程序窗口】" void on_MouseHandle(int event, int x, int y, int flags, void* param); void DrawRectangle( cv::Mat& img, cv::Rect box ); void tracking(Mat &frame,vector<Point2f> temp); HANDLE hComm; LPCWSTR pStr=L"COM4"; char lpOutbuffer[100]; DWORD dwbyte=100; Mat srcImage,grayImage,tempImage1,tempImage,imageROI,grayprev; int g_maxCornerNumber = 1; double qualityLevel = 0.01; double minDistance = 10; int blockSize = 3; double k = 0.04; vector<Point2f> corners; vector<Point2f> pre_corners; vector<Point2f> counts; vector<uchar> status; vector<float> err; Rect g_rectangle; Rect g_temprectangle; bool g_bDrawingBox = false; int main( int argc, char** argv ) { Mat frame; Mat result; COMSTAT Comstat; DWORD dwError; BOOL bWritestat; hComm=CreateFile(pStr,GENERIC_READ | GENERIC_WRITE,0,0,OPEN_EXISTING, 0,NULL); if (hComm == INVALID_HANDLE_VALUE) { cout<<"FLASE"; return -1; } else { cout<<"TURE"; } DCB dcb; GetCommState(hComm,&dcb); dcb.BaudRate=9600; dcb.ByteSize=8; dcb.Parity=NOPARITY; dcb.StopBits=TWOSTOPBITS; bool set=SetCommState(hComm,&dcb); bool sup=SetupComm(hComm,1024,1024); VideoCapture capture(0); namedWindow( WINDOW_NAME ); setMouseCallback(WINDOW_NAME,on_MouseHandle,(void*)&frame); while(1) { capture >> frame; if(!frame.empty()) { cvtColor(frame,grayImage,CV_RGB2GRAY); if( g_bDrawingBox ) rectangle(frame,g_rectangle.tl(),g_rectangle.br(),Scalar(255,255,255)); if (corners.size()!=0) { bool can=PurgeComm(hComm,PURGE_TXCLEAR); if (corners[0].x>(frame.cols/2+100)) { lpOutbuffer[0]='a'; bool ne=WriteFile(hComm,lpOutbuffer,dwbyte,&dwbyte,NULL); } else if (corners[0].x<(frame.cols/2-100)) { lpOutbuffer[0]='b'; bool ne=WriteFile(hComm,lpOutbuffer,dwbyte,&dwbyte,NULL); } tracking(frame,corners); rectangle(frame,Point(corners[0].x-10,corners[0].y-10),Point(corners[0].x+10,corners[0].y+10),Scalar(255,255,255)); } imshow( WINDOW_NAME, frame ); } else { printf(" --(!) No captured frame -- Break!"); break; } int c = waitKey(50); if( (char)c == 27 ) { break; } } return 0; } void on_MouseHandle(int event, int x, int y, int flags, void* param) { Mat& image = *(cv::Mat*) param; switch( event) { case EVENT_MOUSEMOVE: { if( g_bDrawingBox ) { g_rectangle.width = x-g_rectangle.x; g_rectangle.height = y-g_rectangle.y; } } break; case EVENT_LBUTTONDOWN: { g_bDrawingBox = true; g_rectangle =Rect( x, y, 0, 0 ); } break; case EVENT_LBUTTONUP: { g_bDrawingBox = false; if( g_rectangle.width < 0 ) { g_rectangle.x += g_rectangle.width; g_rectangle.width *= -1; } if( g_rectangle.height < 0 ) { g_rectangle.y += g_rectangle.height; g_rectangle.height *= -1; } imageROI=grayImage(g_rectangle); goodFeaturesToTrack( imageROI,corners,g_maxCornerNumber,qualityLevel,minDistance,Mat(),blockSize,false,k ); for (int i = 0; i < corners.size(); i++) { corners[i].x=corners[i].x+g_rectangle.x; corners[i].y=corners[i].y+g_rectangle.y; } } break; } } void tracking(Mat &frame,vector<Point2f> temp) { cvtColor(frame, tempImage1, COLOR_BGR2GRAY); if (grayprev.empty()) { tempImage1.copyTo(grayprev); } calcOpticalFlowPyrLK(grayprev, tempImage1, temp, pre_corners, status, err); for (size_t i=0; i<pre_corners.size(); i++) { line(frame, temp[i], pre_corners[i], Scalar(0, 0, 255)); circle(frame, pre_corners[i], 4, Scalar(0, 255, 0), -1,8,0); } swap(pre_corners, corners); swap(grayprev, tempImage1); }
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持小牛知识库。
本文向大家介绍如何用OpenCV -python3实现视频物体追踪,包括了如何用OpenCV -python3实现视频物体追踪的使用技巧和注意事项,需要的朋友参考一下 opencv OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了P
本文向大家介绍Opencv光流运动物体追踪详解,包括了Opencv光流运动物体追踪详解的使用技巧和注意事项,需要的朋友参考一下 光流的概念是由一个叫Gibson的哥们在1950年提出来的。它描述是空间运动物体在观察成像平面上的像素运动的瞬时速度,利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。那么所说的光
本文向大家介绍OpenCV3.0+Python3.6实现特定颜色的物体追踪,包括了OpenCV3.0+Python3.6实现特定颜色的物体追踪的使用技巧和注意事项,需要的朋友参考一下 一、环境 win10、Python3.6、OpenCV3.x;编译器:pycharm5.0.3 二、实现目标 根据需要追踪的物体颜色,设定阈值,在视频中框选出需要追踪的物体。 三、实现步骤 1)根据需要追踪的物体颜色
本文向大家介绍使用OpenCV实现检测和追踪车辆,包括了使用OpenCV实现检测和追踪车辆的使用技巧和注意事项,需要的朋友参考一下 本文实例为大家分享了OpenCV实现检测和追踪车辆的具体代码,供大家参考,具体内容如下 完整源码GitHub 使用高斯混合模型(BackgroundSubtractorMOG2)对背景建模,提取出前景 使用中值滤波去掉椒盐噪声,再闭运算和开运算填充空洞 使用cvBlo
本文向大家介绍python+opencv实现动态物体识别,包括了python+opencv实现动态物体识别的使用技巧和注意事项,需要的朋友参考一下 注意:这种方法十分受光线变化影响 自己在家拿着手机瞎晃的成果图: 源代码: 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持呐喊教程。
1. 功能说明 Dorado是分布式通信框架,并不包括性能监控系统,但更细粒度服务性能数据必须来自于框架的数据采集。通常使用监控系统的API上报数据的做法是,在起始和结束的位置埋点,由监控服务来计算耗时做数据统计,但我们平时在运维时经常遇到的一个问题就是,“为什么我的请求调用端比服务端耗时高出那么多”、“为什么框架上报耗时与我在接口实现中的耗时差异很大”。其实一个请求从发起到收到返回,中间经历了好