国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

ORB-SLAM3跑本地視頻

這篇具有很好參考價(jià)值的文章主要介紹了ORB-SLAM3跑本地視頻。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。


把錄制的視頻放入ORB-SLAM3文件夾內(nèi),文件命名為:myvideo.mp4
在同一目錄下添加myvideo.yaml、myvideo.cc
ORB-SLAM3跑本地視頻

1.相機(jī)標(biāo)定文件–myvideo.yaml

%YAML:1.0
 
#--------------------------------------------------------------------------------------------
# Camera Parameters. Adjust them!
#--------------------------------------------------------------------------------------------
Camera.type: "PinHole"
 
# Camera calibration and distortion parameters (OpenCV)
Camera.fx: 614.3472290039062
Camera.fy: 613.3615112304688
Camera.cx: 314.36767578125
Camera.cy: 239.8182830810547
 
Camera.k1: 0.0
Camera.k2: 0.0
Camera.p1: 0.0
Camera.p2: 0.0
Camera.k3: 0.0
 
# Camera frames per second
Camera.fps: 30.0
 
# Color order of the images (0: BGR, 1: RGB. It is ignored if images are grayscale)
Camera.RGB: 1
 
# Camera resolution
Camera.width: 1920
Camera.height: 1080
 
#--------------------------------------------------------------------------------------------
# ORB Parameters
#--------------------------------------------------------------------------------------------
 
# ORB Extractor: Number of features per image
ORBextractor.nFeatures: 1000
 
# ORB Extractor: Scale factor between levels in the scale pyramid
ORBextractor.scaleFactor: 1.2
 
# ORB Extractor: Number of levels in the scale pyramid
ORBextractor.nLevels: 8
 
# ORB Extractor: Fast threshold
# Image is divided in a grid. At each cell FAST are extracted imposing a minimum response.
# Firstly we impose iniThFAST. If no corners are detected we impose a lower value minThFAST
# You can lower these values if your images have low contrast
ORBextractor.iniThFAST: 20
ORBextractor.minThFAST: 7
 
#--------------------------------------------------------------------------------------------
# Viewer Parameters
#--------------------------------------------------------------------------------------------
Viewer.KeyFrameSize: 0.05
Viewer.KeyFrameLineWidth: 5
Viewer.GraphLineWidth: 0.9
Viewer.PointSize:2
Viewer.CameraSize: 0.08
Viewer.CameraLineWidth: 3
Viewer.ViewpointX: 0
Viewer.ViewpointY: -0.7
Viewer.ViewpointZ: -1.8
Viewer.ViewpointF: 500
 

2.在Cmakelists.txt文件中末尾添加對應(yīng)代碼

#生成調(diào)用myvideo.mp4 可執(zhí)行文件
set(CMAKE_RUNTIME_OUTPUT_DIRECTORY ${PROJECT_SOURCE_DIR})
add_executable(myvideo myvideo.cc)
target_link_libraries(myvideo ${PROJECT_NAME})

3.添加myvideo.cc文件

//需要opencv庫
#include <opencv2/opencv.hpp>
 
//ORB_SLAM的系統(tǒng)接口
#include "System.h"
 
#include <string>
//計(jì)算時(shí)間
#include <chrono>
#include <iostream>
 
using namespace std;
 
string parameterFile = "./myvideo.yaml";
//這里我輸入的是絕對路徑
string vocFile = "/home/hr/ORB_SLAM3/ORB_SLAM3-master/Vocabulary/ORBvoc.txt";
 
//視頻文件,該示例中視頻文件存放在/ORB_SLAM3/Examples/Monocular下
string videoFile = "./myvideo.mp4";
 
int main(int argc, char **argv){
        //聲明ORB_SLAM3系統(tǒng)
        ORB_SLAM3::System SLAM(vocFile, parameterFile, ORB_SLAM3::System::MONOCULAR, true);
 
        //獲取視頻圖像
        cv::VideoCapture cap(videoFile); //如果使用的是USB相機(jī),將該參數(shù)修改成接口名稱,如:0,1
 
        //記錄系統(tǒng)時(shí)間
        auto start = chrono::system_clock::now();
 
        while(1){
                cv::Mat frame;
                cap >> frame;  //讀取相機(jī)數(shù)據(jù)
                if(frame.data == nullptr)
                        break;
                cv::Mat frame_resized;
                cv::resize(frame, frame_resized, cv::Size(960,540));//運(yùn)行時(shí)顯示的視頻的尺寸
 
                auto now = chrono::system_clock::now();
                auto timestamp = chrono::duration_cast<chrono::milliseconds>(now - start);
                SLAM.TrackMonocular(frame_resized, double(timestamp.count())/1000.0);
                cv::waitKey(30);
        }
        SLAM.Shutdown();
        return 0;
}

重新編譯ORB-SLAM3 會出現(xiàn)myvideo執(zhí)行文件
ORB-SLAM3跑本地視頻在此文件夾打開終端輸入:./myvideo即可運(yùn)行視頻文章來源地址http://www.zghlxwxcb.cn/news/detail-421489.html

到了這里,關(guān)于ORB-SLAM3跑本地視頻的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 基于ORB-SLAM3庫搭建SLAM系統(tǒng)

    基于ORB-SLAM3庫搭建SLAM系統(tǒng)

    博客地址:https://www.cnblogs.com/zylyehuo/ ORB-SLAM3配置及安裝教程 ORB-SLAM3配置安裝及運(yùn)行 Win 11pro VMware 17Pro Ubuntu 18.04 Eigen3 Pangolin Opencv3.4.3 ORB-SLAM3源碼: https://github.com/UZ-SLAMLab/ORB_SLAM3 安裝 Pangolin 需要的依賴工具 安裝 Pangolin 官網(wǎng)下載地址:https://opencv.org/releases/page/5/ 下載之后放在

    2024年02月03日
    瀏覽(23)
  • SLAM ORB-SLAM2(22)分解基礎(chǔ)矩陣

    在 《SLAM ORB-SLAM2(12)估算運(yùn)動并初始地圖點(diǎn)》 中了解到 估算兩幀間相對運(yùn)動過程: 記錄特征點(diǎn)對的匹配關(guān)系 RANSAC 采樣準(zhǔn)備 計(jì)算H矩陣或者F矩陣 判斷并選取模型求位姿過程 在

    2024年04月15日
    瀏覽(22)
  • SLAM ORB-SLAM2(20)查找基礎(chǔ)矩陣

    在 《SLAM ORB-SLAM2(12)估算運(yùn)動并初始地圖點(diǎn)》 的 2.3. 計(jì)算H矩陣和F矩陣過程 中

    2024年03月17日
    瀏覽(28)
  • ORB-SLAM3整體流程詳解

    ORB-SLAM3整體流程詳解

    在之前,作者曾經(jīng)轉(zhuǎn)過一篇《一文詳解ORB-SLAM3》的文章。那篇文章中提到了ORB-SLAM3是一個(gè)支持視覺、視覺加慣導(dǎo)、混合地圖的SLAM系統(tǒng),可以在單目,雙目和RGB-D相機(jī)上利用針孔或者魚眼模型運(yùn)行。與ORB-SLAM2相比,ORB-SLAM3在處理大視差和長時(shí)間未觀測到的場景時(shí)效果更好。它還

    2024年02月06日
    瀏覽(19)
  • ORB-SLAM內(nèi)的卡方檢驗(yàn)

    ORB-SLAM內(nèi)的卡方檢驗(yàn)

    Reference: 卡方檢驗(yàn)(Chi-square test/Chi-Square Goodness-of-Fit Test) 卡方檢驗(yàn)詳解分析與實(shí)例 卡方值: χ 2 chi^2 χ 2 值表示觀察值與理論值之間的偏離程度。計(jì)算這種偏離程度的基本思路如下: 設(shè) O O O 代表某個(gè)類別的 觀察頻數(shù) , E E E 代表基于某個(gè)假設(shè) H 0 H_0 H 0 ? 計(jì)算出的 期望頻數(shù) ,

    2024年02月06日
    瀏覽(27)
  • ORB-SLAM2環(huán)境配置及運(yùn)行

    ORB-SLAM2環(huán)境配置及運(yùn)行

    本文是基于Ubuntu 20.04及OpenCV 4.6.0成功運(yùn)行ORB-SLAM2,并在開源數(shù)據(jù)集上進(jìn)行了測試。由于OpenCV和其他依賴庫的版本較新,編譯過程會出現(xiàn)一些問題,需要修改部分代碼和CMakeLists.txt文件,這里做一個(gè)記錄,也希望能幫到有需要的小伙伴。 開始嘗試安裝Eigen3.4.0和Pangolin-0.8版本,后

    2024年02月03日
    瀏覽(23)
  • SLAM ORB-SLAM2(21)基礎(chǔ)矩陣的計(jì)算和評分

    SLAM ORB-SLAM2(21)基礎(chǔ)矩陣的計(jì)算和評分

    在 《SLAM ORB-SLAM2(20)查找基礎(chǔ)矩陣》 中了解到 查找基礎(chǔ)矩陣主要過程: 特征點(diǎn)坐標(biāo)歸一化 Normalize 函數(shù) Normalize 參考 《SLAM ORB-SLAM2(14)特征點(diǎn)坐標(biāo)歸一化》 選擇歸一化之后的特征點(diǎn) 八點(diǎn)法計(jì)算基礎(chǔ)矩陣 ComputeF21 評分并評優(yōu) CheckFundamental 現(xiàn)在來看看基礎(chǔ)矩陣如何計(jì)算和評分

    2024年03月09日
    瀏覽(26)
  • ORB-SLAM3算法2之EuRoc、TUM和KITTI開源數(shù)據(jù)集運(yùn)行ORB-SLAM3生成軌跡并用evo工具評估軌跡

    ORB-SLAM3算法1 已成功編譯安裝ORB-SLAM3到本地,本篇目的是用 EuRoc 開源數(shù)據(jù)來運(yùn)

    2024年02月08日
    瀏覽(38)
  • ORB-SLAM3 數(shù)據(jù)集配置與評價(jià)

    ORB-SLAM3 數(shù)據(jù)集配置與評價(jià)

    在ORB-SLAM3運(yùn)行EuRoC和TUM-VI數(shù)據(jù)集并作以評價(jià)。EuRoC利用微型飛行器(MAV ) 收集的視覺慣性數(shù)據(jù)集,TUM-VI 是由實(shí)驗(yàn)人員手持視覺-慣性傳感器收集的數(shù)據(jù)集。這兩個(gè)是在視覺SLAM中比較常用的公開數(shù)據(jù)集,所以測試并加以記錄。 1、EuRoC官網(wǎng)下載 從官網(wǎng)下載Euroc數(shù)據(jù)集,ASL格式 2、新

    2024年02月15日
    瀏覽(25)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包