基于C/C++开发的单目控制机械臂的上位机程序+视觉识别和关节角反解+源码（高分优秀项目）

#include <boost/timer.hpp> #include <opencv2/opencv.hpp> //#include <highgui.h> #include "GetImage.h" using namespace cv; using namespace std; /* * 为从相机获取图像做好准备 * 调用该函数后，可以使用GetImage获取图像 */ void InitGetImages() { OpenCamera(); StartCamera(); Sleep(500); } /* * 不需要调用图像之后，调用该函数，可以关闭相机 */ void EndGetImages() { CloseCamera(); } /* * 图像采集及图像预处理 */ bool GetImage( DShowLib::Grabber::tMemBufferPtr &pRight, Mat& rightGray) //左右图像的搜索信息 { if (!GetImageBuffer(&pRight)) { printf("error in file:GetImageFromCamera.cpp function:InitOpenCVmats\n"); return false; } Size size(pRight->getBitmapInfoHeader()->biWidth, pRight->getBitmapInfoHeader()->biHeight); /* //【1】CV_8UC1---则可以创建----8位无符号的单通道---灰度图片------grayImg #define CV_8UC1 CV_MAKETYPE(CV_8U,1) #define CV_8UC2 CV_MAKETYPE(CV_8U,2) //【2】CV_8UC3---则可以创建----8位无符号的三通道---RGB彩色图像---colorImg #define CV_8UC3 CV_MAKETYPE(CV_8U,3) //【3】CV_8UC4--则可以创建-----8位无符号的四通道---带透明色的RGB图像 #define CV_8UC4 CV_MAKETYPE(CV_8U,4) */ Mat rightRGB = Mat(size, CV_8UC3); rightRGB.data = (uchar*)(pRight->getPtr()); // //调整图像大小 //Size ResImgSiz = Size(1280*0.5, 960*0.5); //resize(rightRGB, rightRGB, ResImgSiz, CV_INTER_CUBIC); //imshow("right", rightRGB); //waitKey(0); cvtColor(rightRGB, rightGray, CV_RGB2GRAY); //调整图像大小 //Size ResImgSiz = Size(1280*0.8, 960*0.8); //resize(rightGray, rightGray, ResImgSiz, CV_INTER_CUBIC); GaussianBlur(rightGray, rightGray, Size(25, 25), 0, 0); //高斯滤波 threshold(rightGray, rightGray, 40, 255, THRESH_BINARY); //二值化 Canny(rightGray, rightGray, 80, 40, 3); //canny边缘 二值化 //imshow("left", leftGray); Mat rightsize; Size ResImgSiz = Size(1280*0.8, 960*0.8); resize(rightGray, rightsize, ResImgSiz, CV_INTER_CUBIC); imshow("right", rightsize); waitKey(0); return true; } /* * 基于轮廓的仿射不变矩特征提取,提取标志球的圆心像素坐标 */ void AffInMoment(Mat & image, vector<Point2d> & extrMarks, Point2d & center) { vector< vector<Point> >contours; vector<Vec4i>hierarchy; //模板 CvBox2D box; unsigned int i; /* * Opencv中通过使用findContours函数，简单几个步骤就可以检测出物体的轮廓，很方便。 * 第一个参数：image，单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像； * 第二个参数：contours，定义为“vector<vector<Point>> contours”，是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量， 每一组Point点集就是一个轮廓。有多少轮廓，向量contours就有多少元素。 * 第三个参数：hierarchy，定义为“vector<Vec4i> hierarchy”，先来看一下Vec4i的定义： typedef Vec<int, 4> Vec4i; Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。 所以从定义上看，hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组。 向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。 hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]， 分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。 如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为默认值-1。 *第四个参数： int型的mode，定义轮廓的检索模式： 取值一：CV_RETR_EXTERNAL 只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略 取值二：CV_RETR_LIST 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系， 这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到 取值三：CV_RETR_CCOMP 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层 取值四：CV_RETR_TREE， 检测所有的轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。 *第五个参数： int型的method，定义轮廓的近似方法： 取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内 取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留 取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法 *第六个参数： Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！ */ findContours(image, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE); for (i = 0; i < contours.size(); i++) //contours.size()表示轮廓数 { Moments moment; moment = moments(contours[i], false); //基于轮廓的不变距 double u00 = moment.m00; double u01 = moment.m01; double u10 = moment.m10; double u20 = moment.mu20; double u11 = moment.mu11; double u02 = moment.mu02; double u30 = moment.mu30; double u21 = moment.mu21; double u12 = moment.mu12; double u03 = moment.mu03; //原点距和中心距 double I1 = (u02*u20 - u11*u11) / pow(u00, 4); //一阶矩 double I2 = (u30*u30*u03*u03 - 6 * u30*u12*u21*u03 + 4 * u30*pow(u12, 3) + 4 * u03*pow(u21, 3) - 3 * u21*u21*u12*u12) / pow(u00, 10); double I3 = (u20*(u21*u03 - u12*u12) - u11*(u30*u03 - u21*u12) + u02*(u30*u12 - u21*u21)) / pow(u00, 7); double Ia = abs(I1 - 0.006332) - 0.0003; //不变矩阈值判断 与标准不变矩值比较 double Ib = abs(I2) - 0.00001; double Ic = abs(I3) - 0.00001; if (Ia <= 0 && Ib<0 && Ic<0) { box = fitEllipse(contours[i]); //椭圆曲线拟合 if (box.size.width>10 && box.size.height>10) { //Point2d center; center.x = int(box.center.x); //图像缩放（取整） center.y = int(box.center.y); //cout << " 高 " << center.x << " 宽 " << center.y << endl; cout << "Find the center." << endl; //判断是否找圆心 extrMarks.push_back(center); ellipse(image, box, Scalar(0, 250, 0), 0.2); //画出椭圆 circle(image, box.center, 1, Scalar(250, 0, 0), 0.01, 8); //画出椭圆心 } } } }