5iMX.com 我爱模型玩家论坛 ——专业遥控模型和无人机玩家论坛（玩模型就上我爱模型，创始于2003年）

标题: 网上发现了一个比较好的代码，有用的朋友可以做来试试看 [打印本页]

作者: 论坛大模友 时间: 2010-3-1 15:01
标题: 网上发现了一个比较好的代码，有用的朋友可以做来试试看
运用klman对视频中的移动物体跟踪，程序是用来处理事先录好的视频，移动物体的初始坐标也知道，会改的朋友可以把它叠加到我们的FPV返回视频中，那样效果我想回更好的哦！

#include <stdio.h>
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#include <iostream>
using namespace std;

int main( int argc, char** argv )
{
IplImage* pFrame = NULL;

IplImage* pFrImg = NULL;

IplImage* pBkImg = NULL;

//定义一个模板
IplImage* MBImg = NULL;
int MBSIZE=20;
//初始坐标,模板中心点
int state_ptxy[]={230,70};
CvCapture* pCapture = NULL;

int nFrmNum = 0;

   cvNamedWindow("video", 1);
//klman的设置
CvKalman* kalman = cvCreateKalman( 2, 2, 0 );

CvMat* measurement = cvCreateMat( 2, 1, CV_32FC1 );

const float A[] = { 1, 0, 0, 1};

memcpy( kalman->transition_matrix->data.fl, A, sizeof(A));

cvSetIdentity( kalman->measurement_matrix, cvRealScalar(1) );

cvSetIdentity( kalman->process_noise_cov, cvRealScalar(1e-5) );

cvSetIdentity( kalman->measurement_noise_cov, cvRealScalar(0.00001) );

cvSetIdentity( kalman->error_cov_post, cvRealScalar(1));

//初始化x(0)
kalman->state_post->data.fl[0]=state_ptxy[0];

kalman->state_post->data.fl[1]=state_ptxy[1];
pCapture=cvCaptureFromFile("test.avi");
if(pCapture==0)
{
cout<<"不能打开视频"<<endl;
}

//逐帧读取视频

while(pFrame = cvQueryFrame( pCapture ))

{


nFrmNum++;    //如果是第一帧，需要申请内存，并初始化

if(nFrmNum == 1)
{
pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1);

      MBImg = cvCreateImage(cvSize(MBSIZE,MBSIZE), IPL_DEPTH_8U,1);
         //控制图像是否倒转的
         pFrImg->origin = pFrame->origin;
   MBImg->origin = pFrame->origin;
cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY); //将pFrImg转为灰度图

//获取一个模板矩阵
      for(int row=0;row<MBSIZE;row++)
   for(int col=0;col<MBSIZE;col++)
   CV_IMAGE_ELEM( MBImg,unsigned char, row, col )=
                     CV_IMAGE_ELEM(pFrImg,unsigned char, state_ptxy[1]-MBSIZE/2+row,state_ptxy[0]-MBSIZE/2+col);
         //保存模板与第一帧图像
         cvSaveImage("mb.jpg",MBImg);
      cvSaveImage("first.bmp",pFrImg);


}
else
{
cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);
//klman预测

         const CvMat* prediction = cvKalmanPredict( kalman, 0 );

         CvPoint predict_pt = cvPoint(cvRound(prediction->data.fl[0]),cvRound(prediction->data.fl[1]));





   //测量
   // 运用模板匹配，找出最相近
   CvPoint measurement_pt = cvPoint(0,0);

CvSize sizeMBImg = cvGetSize(MBImg);
         CvSize sizepFrImg = cvGetSize(pFrImg);
double min_val,max_val;
         CvPoint min_loc;
      CvPoint max_loc;
      CvSize sizeResult = cvSize(sizepFrImg.width-sizeMBImg.width+1,sizepFrImg.height-sizeMBImg.height+1);
IplImage* imgResult = cvCreateImage(sizeResult,IPL_DEPTH_32F,1);

cvMatchTemplate(pFrImg,MBImg,imgResult,CV_TM_CCORR_NORMED);
         cvMinMaxLoc(imgResult, &min_val, &max_val,& min_loc,& max_loc, 0 );
//得到测量点坐标
   measurement_pt.x=max_loc.x+MBSIZE/2;
   measurement_pt.y=max_loc.y+MBSIZE/2;


   measurement->data.fl[0]=measurement_pt.x;
   measurement->data.fl[1]=measurement_pt.y;

      //调整klman的状态
         cvKalmanCorrect( kalman, measurement);
CvPoint post_pt=cvPoint(cvRound(kalman->state_post->data.fl[0]),cvRound(kalman->state_post->data.fl[1]));

//画点
         #define draw_cross( center, color, d )                               \
      cvLine( pFrame, cvPoint( center.x - d, center.y - d ),             \
      cvPoint( center.x + d, center.y + d ), color, 1, CV_AA, 0); \
      cvLine( pFrame, cvPoint( center.x + d, center.y - d ),             \
cvPoint( center.x - d, center.y + d ), color, 1, CV_AA, 0 )
// draw_cross( predict_pt, CV_RGB(255,255,0), 5 ); //画出预测点黄点
draw_cross(measurement_pt, CV_RGB(255,0,0), 5 ); //画测量点红点
draw_cross(cvPoint(cvRound(kalman->state_post->data.fl[0]),
               cvRound(kalman->state_post->data.fl[1])),CV_RGB(0,255,0), 5); //画矫正点，绿点

         printf("测量点坐标： %d,%d\n", measurement_pt.x,measurement_pt.y);
printf("预测点坐标：%d,%d\n", predict_pt.x, predict_pt.y);
printf("矫正点坐标：%d,%d\n ",post_pt.x,post_pt.y);
printf("相关系数最大值：%f\n\n",max_val);

cvShowImage("video", pFrame);

if( cvWaitKey(2) >= 0 )

   break;
}

}

//销毁窗口

cvDestroyWindow("video");

//释放图像和矩阵

cvReleaseImage(&pFrImg);

cvReleaseImage(&MBImg);

cvReleaseCapture(&pCapture);

cvReleaseKalman(&kalman);
return 0;

}

作者: 失速飞行 时间: 2010-3-1 15:05
跟踪移动的目标？！:em13: 如果真行的话，岂不是可以做dao dan了，还是图像识别的！

作者: 论坛大模友 时间: 2010-3-1 15:07
哈哈！不是那个意思哦！这个代码只是读取已经录制好的视频，当然大家可以进行修改制作成跟踪xx目标的那种，那样用FPV飞起来追踪飞机就更容易了哦！

作者: 论坛大模友 时间: 2010-3-1 15:14
还有一种可以直接跟踪物体的机器人这个功能也能利用到FPV项目，大家伙也看看吧！
http://www.tudou.com/v/su8loW7xT00

作者: 空军8号 时间: 2010-3-1 16:25
哇，太先进了吧，感觉好爽。但是我怕用在飞机上如果移动物体的速度太慢了，那飞机不是要失速了？还有跟随的距离问题~~！

作者: 林林林林LIN 时间: 2010-3-1 16:26
好中意个机器人:em26:

作者: 失速飞行 时间: 2010-3-1 17:03
不懂原理，但好像是3个超声波探头:em13:

作者: 哈尔滨的雪 时间: 2010-3-1 17:41
真好玩。

作者: fujianshu 时间: 2010-3-1 18:51
3个超声传感器检测移动的物体，然后进行反应。单片机编程，呵呵不错

作者: 失业中 时间: 2010-3-1 18:57
很适合多机编队:em15:

作者: JackieLee 时间: 2010-3-1 20:47
每秒20帧的画面，信息量是很大的，单片机恐怕难以胜任，最起码也要DSP
还有就是，当平台更换后原有的软件包能否使用还是个问题

作者: slbbs 时间: 2010-3-1 23:14
记得92年刚毕业时做过汉字识别
那时是黑白X-Y轴方向分别做隔行扫描去样
再统计分布图
对照还字编码库识别
数据量并不大
用8位机24点X24点阵
3字节X24行=74字节

作者: slbbs 时间: 2010-3-1 23:23
录像中的应该更简单
3个传感器取样三个
状态码:000-111
1.0-0-0:没有
2.0-0-1:居左
3.0-1-0:居中
4.0-1-1:中左
5.1-0-0:居右
6.1-0-1:两个
7.1-1-0:中右
8.1-1-1:超大

作者: slbbs 时间: 2010-3-1 23:24
距离随动应该是用闭环模拟的信号

作者: xaut 时间: 2010-3-2 08:15
标题: 这不就是个倒车雷达么
这不就是个倒车雷达么

作者: happyskybaby 时间: 2010-3-2 08:19
哦，高手啊

作者: 72mhz 时间: 2010-3-5 09:31
:em23: 我只会C#

欢迎光临 5iMX.com 我爱模型玩家论坛 ——专业遥控模型和无人机玩家论坛（玩模型就上我爱模型，创始于2003年） (http://5imx.com./)

5iMX.com 我爱模型 玩家论坛 ——专业遥控模型和无人机玩家论坛（玩模型就上我爱模型，创始于2003年）

5iMX.com 我爱模型玩家论坛 ——专业遥控模型和无人机玩家论坛（玩模型就上我爱模型，创始于2003年）