• Erste Schritte
  • Hardware & GPIO
  • Projekte
  • Software
    • Webserver
  • Arduino & ESP8266
  • Hausautomatisierung
  • Sonstiges
    • News
Facebook Twitter YouTube
Tutorials for Raspberry Pi Tutorials for Raspberry Pi
  • Einstieg
    • Erste Schritte
      • Raspberry Pi 3 Einstieg - Starter KitWas brauche und wie starte ich? – Raspberry Pi Einstieg
    • Einrichtung
      • microsd_karte_menuRaspbian Betriebssystem auf eine SD Karte flashen – Einfach & Schnell
      • wlanbluetooth_menuWLAN und Bluetooth einrichten – Raspberry Pi 4
      • wifi_menuWLAN Stick installieren und einrichten – Alternative
      • bash_menuSSH Zugriff einrichten via Putty – Kommandozeilen Zugriff
      • rdp_menuRemotedesktop Verbindung aufbauen – Fernsteuerung
    • Einsteiger Projekte
      • Sinnvolles Raspberry Pi Zubehör
      • 15 Raspberry Pi Projekte für Anfänger
      • Ampelschaltung mit GPIOs
      • GPIOs mit Port Expander erweitern
      • Elektronischer Würfel
      • 13 tolle Projekte für Kinder und Jugendliche
      • Roboter selber bauen
      • In Visual Studio Code mit C++ programmieren
      • Wünsch dir ein Tutorial
    • Programmieren lernen
      • Teil 1: Einführung
      • Teil 2: GPIOs steuern
      • Teil 3: GUI erstellen
      • Teil 4: PWM
      • C# GUI Apps entwickeln
  • Hardware & GPIO
    • 50 der wichtigsten Raspberry Pi Sensoren und Module – Aufgelistet mit Links zu den TutorialsRaspberry Pi Sensoren
    • Beliebte Tutorials
      • Raspberry Pi Luftfeuchtigkeit/Temperatur SensorLuftfeuchtigkeit und Temperatur messen
      • Raspberry Pi WS2801B RGB LED Streifen anschließen und steuernWS2801 RGB LED Streifen anschließen und steuern
      • Raspberry Pi Funksteckdosen (433Mhz)Raspberry Pi Funksteckdosen (433Mhz)Funksteckdosen (433MHz) steuern
      • Raspberry Pi Relais ModulRaspberry Pi: Relais-Schalter per GPIO steuern
      • Raspberry Pi Servo MotorRaspberry Pi Servo Motor Steuerung
      • Amazon-Alexa-deutsch-auf-dem-Raspberry-Pi-installierenAmazon Alexa (Deutsch) auf dem installieren
      • Entfernung messen mit Ultraschallsensor HC-SR04 – Raspberry PiEntfernung messen mit Ultraschallsensor HC-SR04
      • 71-M-PU7vML.-S3L1500-Raspberry Pi’s über 433 MHz Funk kommunizieren
      • Raspberry Pi PIR Motion SensorBewegungsmelder PIR anschließen und steuern
      • Raspberry Pi USB Boot per Stick oder SSD Festplatte einrichtenUSB Boot per Stick oder SSD Festplatte
      • Analog
        • Raspberry Pi MCP3008 ADCMCP3008: Am Raspberry Pi analoge Signale auslesen
        • Raspberry Pi Gas Sensor MQ-2Raspberry Pi Gas Sensor (MQ-X) konfigurieren und auslesen
        • Raspberry Pi PulsmesserRaspberry Pi Pulsmesser: Herzfrequenz messen
        • Joystick am Raspberry Pi benutzen (mit MCP3008)Joystick am Raspberry Pi benutzen (mit MCP3008)
        • infrarot sharp distance senserInfrarot Abstandsmessung mit dem Raspberry Pi
        • Raspberry Pi Drehregler - Rotary EncoderKY040 Drehregler als Lautstärkeregler für den Raspberry Pi
        • Easpberry Pi Soil SensorBodenfeuchtigkeit mit dem Raspberry Pi messen
        • Raspberry Pi KeypadRaspberry Pi Keypad anschließen – Codeschloss
        • Raspberry Pi door sensorÜberwachung von Fenstern und Türen mit dem Raspberry Pi und Reed-Relais
        • Raspberry Pi Fotowiderstand HelligkeitssensorFotowiderstand (Helligkeitssensor) am Raspberry Pi
        • Raspberry Pi Waage selber bauen (mit Gewichtssensor HX711)Raspberry Pi Waage selber bauen (mit Gewichtssensor HX711)
      • Funk
        • 71-M-PU7vML.-S3L1500-Raspberry Pi’s über 433 MHz Funk kommunizieren lassen
        • Remote Control Raspberry Pi 433Mhz Radio TransmitterRaspberry Pi mit 433Mhz Funksender fernsteuern
        • Raspberry Pi Funksteckdosen (433Mhz)Raspberry Pi Funksteckdosen (433Mhz)Raspberry Pi Funksteckdosen (433MHz) steuern
        • Raspberry Pi MiFlora - Xiaomi Pflanzensensor in OpenHAB einbindenMiFlora – Xiaomi Pflanzensensor ins Smart Home einbinden
        • Raspberry Pi RFID RC522 TüröffnerRaspberry Pi RFID RC522 Tags auslesen (NFC)
        • Funkkommunikation zwischen Raspberry Pi's und Arduinos (2.4 GHz)Funkkommunikation (2.4 GHz): Arduino & Raspberry Pi
        • Raspberry Pi Radio ReceiverRaspberry Pi als Radioempfänger benutzen
        • Raspberry Pi Xbox 360 Wireless ControllerRaspberry Pi mittels Xbox 360 Controller steuern
        • Raspberry Pi GSM Modul - Huawei Internet SticksRaspberry Pi GSM Modul – Mobiles Internet
        • Raspberry Pi Bluetooth DatentransferRaspberry Pi Bluetooth Datentransfer zum Smartphone
      • Infrarot & Laser
        • Raspberry Pi Infrarot FernbedienungRaspberry Pi: Per IR Remote Befehle ausführen
        • infrarot sharp distance senserInfrarot Abstandsmessung mit dem Raspberry Pi
        • Raspberry Pi Laser Lichtschranke für weite DistanzenRaspberry Pi Laser Lichtschranke für weite Distanzen
        • Infrarot Raspberry Pi FernbedienungInfrarot Steuerung einrichten
        • Raspberry Pi Infrarot Lichtschranke bauen und Geschwindigkeit messenRaspberry Pi Infrarot Lichtschranke bauen
        • Raspberry Pi Fotowiderstand HelligkeitssensorFotowiderstand (Helligkeitssensor) am Raspberry Pi
      • Temperatur & Navigation
        • Raspberry Pi Luftfeuchtigkeit/Temperatur SensorRaspberry Pi: Luftfeuchtigkeit und Temperatur messen
        • Measuring Temperature with a Raspberry Pi Temperature Sensor (1-Wire)Raspberry Pi Temperatursensor (1-Wire): Temperatur messen
        • Raspberry Pi BMP180 SensorRaspberry Pi und I2C Luftdrucksensor BMP180
        • Raspberry Pi RTC Real Time ClockReal Time Clock Modul steuern
        • Rotation und Beschleunigung mit dem Raspberry Pi messenRotation und Beschleunigung mit dem Raspberry Pi messen
        • Raspberry Pi GPS ModulRaspberry Pi GPS Ortungs- / Navigationsgerät bauen
        • Raspberry Pi Kompass selber bauenRaspberry Pi Kompass selber bauen (HMC5883L)
        • Kontaktlosen Infrarot-Temperatursensor MLX90614 am Raspberry Pi auslesenMLX90614 – Kontaktlos Temperaturen messen
      • Displays
        • Raspberrry Pi HD44780 I2CHD44780 LCD Display per I2C ansteuern
        • Raspbery Pi LCD DisplayRaspberry Pi LCD Display: 16×2 Zeichen anzeigen
        • DisplayTipps & Tricks zum offiziellen 7″ Raspberry Pi Touchscreen
        • Raspberry Pi TouchscreenTestbericht zum 7″ Raspberry Pi Touchscreen Display
        • LCD Touch Display (3.2″) am Raspberry PiLCD Touch Display (3.2″) am Raspberry Pi
        • tft lcd touch displayRaspberry Pi LCD Touch Display Teil 2 – Anpassungen
        • Raspberry Pi LED MAX7219 Dot Matrix – ProjektübersichtRaspberry Pi LED Matrix – Projektübersicht
        • Raspberry Pi 7 Segment Anzeige Kathode mit MAX7219Raspberry Pi: 7 Segment Anzeigen mit MAX7219 steuern (Kathode)
        • 7 Segment Anzeige (Anode) mit MAX7219 MAX7221 und Raspberry Pi7 Segment Anzeige mit MAX7219 am Raspberry Pi (Anode)
        • Raspberry Pi Tablet Raspad TestberichtRaspberry Pi Tablet „Sunfounder RasPad“ Testbericht
      • Motoren & Sonstige
        • Raspberry Pi Stepper Motor Control with L293D / ULN2003ARaspberry Pi Schrittmotor ansteuern
        • Raspberry Pi Servo MotorRaspberry Pi Servo Motor Steuerung
        • Raspberry Pi PCA9685 mehrere Servos gleichzeitig steuernMehrere Servo Motoren per Raspberry Pi steuern
        • Raspberry Pi PIR Motion SensorBewegungsmelder PIR anschließen und steuern
        • How to use a Raspberry Pi Fingerprint Sensor for AuthenticationRaspberry Pi Fingerprint Sensor zur Authentifizierung nutzen
        • Raspberry Pi Akku AdapterRaspberry Pi mit Akkus/Batterien betreiben
        • Entfernung messen mit Ultraschallsensor HC-SR04 – Raspberry PiEntfernung messen mit Ultraschallsensor HC-SR04
        • Raspberry Pi WS2801B RGB LED Streifen anschließen und steuernWS2801 RGB LED Streifen anschließen und steuern
        • Raspberry Pi WS2812 RGB LED StripWS2812 RGB LED Streifen per Raspberry Pi steuern
        • Raspberry Pi Überwachungskamera LivestreamÜberwachungskamera Livestream einrichten
        • NoIRAufnahmen mit dem offiziellen Kamera Modul
        • Raspberry Pi Zero - establishing an Ethernet connection (ENC28J60)Raspberry Pi Zero – Ethernet Verbindung
  • Software
    • Webserver Installation
      • apache2_menu25Teil 1 – Apache2
      • php_menu25Teil 2 – PHP 5
      • mysql_menu25Teil 3 – MySQL
      • phpmyadmin_menu25Teil 4 – phpMyAdmin
      • ftp_menu25Teil 5 – FTP Server
      • dns_menu25Teil 6 – DNS Server via No-IP
      • home_menu25Homeverzeichnis ändern
      • share_25Samba Server: Dateien im Netzwerk teilen
      • nodejs_menu25Node.js Webserver installieren und GPIOs schalten
      • ssl_menu25SSL Zertifikat kostenlos mit Let’s Encrypt
      • wordpress_25Eigenen WordPress-Server einrichten
      • cloud-25Nextcloud auf dem Raspberry Pi installieren
    • Entertainment
      • led_menu25Raspberry Pi Ambilight für alle Geräte mit OSMC selber bauen
      • amazon_menu25Amazon Alexa (Deutsch) auf dem Raspberry Pi installieren
      • controller_25Raspberry Pi RetroPie – Spielekonsole selber bauen
      • kodi_menu25Mediencenter Raspbmc als SmartTV mit dem Raspberry Pi
      • android_25Android TV Box zum selber bauen
      • apple-2316234_640Raspberry Pi als AirPlay-Empfänger
      • jukebox_menu25Raspberry Pi als Jukebox (Spotify, Soundcloud, TuneIn, uvm.)
      • steam_25Steam Spiele streamen
      • minecraft_menu25Raspberry Pi Minecraft Server
      • youtube_25YouTube Live Streaming einrichten
      • qr-code-tutorials-raspberrypi.de_25Raspberry Pi QR / Barcode Scanner
    • Fernsteuerung
      • rdp_menuRaspberry Pi Remotedesktop Verbindung
      • ssh_menu25SSH Zugriff einrichten via Putty (Windows)
      • vnc_menu25Raspberry Pi mittels VNC fernsteuern
      • welcome_menu25SSH Terminal Begrüßung ändern
      • telegram1_menu25Telegram Messenger auf dem RaspberryPi
      • telegram2_menu25Mit Telegram Messenger Raspberry Pi steuern
      • bluet_menu25Raspberry Pi Bluetooth Datentransfer zum Smartphone
      • alexa_voice_25Eigenen Raspberry Pi Alexa Skill bauen
      • microphone_25Sprachsteuerung selber bauen
      • mqtt_25MQTT Broker/Client Funkkommunikation
      • mail_25Vom Raspberry Pi Emails senden
      • twitter_25Per Twitter Bot Nachrichten posten
    • Weitere
      • loggen_menu25Sensordaten mit ThingSpeak loggen und auswerten
      • mysql_datalogger25Per lokaler MySQL Datenbank zum Raspberry Pi Datenlogger
      • opencv_menu25OpenCV auf dem Raspberry Pi installieren
      • arduino_menu30tWiringPi installieren & Pinbelegung (Raspberry Pi)
      • radio_menu25Raspberry Pi als Radio Sendestation
      • win10_menu25Windows 10 IoT auf dem Raspberry Pi installieren
      • printer_25Drucker einrichten und per Knopfdruck Bilder drucken
      • gsm_menu25Raspberry Pi GSM Modul – Mobiles Internet (LTE, 3G, UMTS)
      • autostart_menu25Autostart: Programm automatisch starten lassen
      • machine-learning-25Raspberry Pi Machine Learning erlernen
  • Projekte
      • roboter_menu30tRoboter
        • Raspberry Pi Roboter ProjektRaspberry Pi Roboter Projektübersicht
        • Raspberry Pi Roboter Bausatz fertigTeil 1: Zusammenbau
        • Raspberry Pi Roboter - Linien folgenTeil 2: Linien folgen lassen
        • Raspberry Pi Roboter per Infrarot Fernbedienung steuernTeil 3: Per Infrarot Fernbedienung steuern
        • Raspberry Pi Roboter: Ultraschall AutopilotTeil 4: Automatisch Hindernissen ausweichen
        • Raspberry Pi Roboter der eigenen Stimme folgen lassenTeil 5: Der eigenen Stimme folgen lassen
        • Raspberry Pi Roboter mit Xbox 360 Controller fernsteuernTeil 6: Mit Xbox 360 Controller Roboter fernsteuern
        • Raspberry Pi Robot Arm 6DOF6-Gelenkigen Roboter Arm am Raspberry Pi betreiben (6 DOF)
      • led_menu30LED Matrix
        • Raspberry Pi LED MAX7219 Dot Matrix – ProjektübersichtMAX7219 LED Matrix – Projektübersicht
        • 8×8 LED Dot Matrix Parts8×8 LED Matrix – Zusammenbau und Installation
        • Raspberry Pi Bibliothek für mehrzeilige m x n MAX7219 LED MatrizenBibliothek für mehrzeilige m x n MAX7219 LED Matrizen
        • Graphiken auf mehrzeiligen Raspberry Pi LED Matrizen zeichnenGraphiken auf mehrzeiligen Raspberry Pi LED Matrizen zeichnen
        • Pong auf MAX7219 Matrizen spielen (mit Joystick) – Raspberry PiPong auf MAX7219 Matrizen spielen (mit Joystick)
        • Snake auf Raspberry Pi MAX7219 Matrizen spielenSnake auf Raspberry Pi MAX7219 Matrizen spielen
        • 7 Segment Anzeige (Anode) mit MAX7219 MAX7221 und Raspberry Pi7 Segment Anzeige (Anode) mit MAX7219/MAX7221
        • Raspberry Pi 7 Segment Anzeige Kathode mit MAX7219Raspberry Pi: 7 Segment Anzeigen mit MAX7219 steuern (Kathode)
      • wetterstation_menu30Wetterstation
        • Raspberry Pi Wetterstation mit OpenHAB 2 bauenEigene Raspberry Pi Wetterstation mit OpenHAB 2 bauen
        • Raspberry Pi Luftfeuchtigkeit/Temperatur SensorLuftfeuchtigkeit und Temperatur messen
        • raspberry_pi_thingspeak_daten_loggenSensordaten mit ThingSpeak loggen und auswerten
        • Raspberry Pi BMP180 SensorRaspberry Pi und I2C Luftdrucksensor BMP180
        • Measuring Temperature with a Raspberry Pi Temperature Sensor (1-Wire)Raspberry Pi Temperatursensor (1-Wire): Temperatur messen
        • ESP8266 NodeMCU Außenposten-Wetterstation für den Raspberry PiESP8266 Wetterstation Außenposten für den Raspberry Pi
        • Raspberry Pi Gas Sensor MQ-2Raspberry Pi Gas Sensor (MQ-X) konfigurieren und auslesen
      • arduino_menu30tArduino & ESP8266
        • ESP8266 Microcontroller BoardEinführung & Programmierung des ESP8266 NodeMCU Boards
        • Raspberry Pi + ESP8266 NodeMCU: Per WLAN Daten sendenRaspberry Pi + ESP8266 NodeMCU: Per WLAN Daten senden
        • ESP8266 NodeMCU Außenposten-Wetterstation für den Raspberry PiESP8266 Wetterstation Außenposten für den Raspberry Pi
        • Mit dem NodeMCU ESP8266 433MHz Funksteckdosen steuernMit dem NodeMCU ESP8266 433MHz Funksteckdosen steuern
        • ESP8266 NodeMCU HD44780 LCD Display per I2C steuernNodeMCU ESP8266: HD44780 LCD Display per I2C steuern
        • ESP8266 Grafikdisplay: Am SSD1306 OLED per I2C Bilder & Text anzeigen
        • ESP8266 Google Maps API RoutenplanerESP8266 Google Maps API Routenplaner auf LCD anzeigen
        • 2000px-Arduino_Logo.svgRaspberry Pi und Arduino – Einführung
        • arduino unoArduino und Raspberry Pi miteinander kommunizieren lassen
        • Funkkommunikation zwischen Raspberry Pi's und Arduinos (2.4 GHz)Funkkommunikation zwischen Raspberry Pi’s und Arduinos (2.4 GHz)
        • NodeMCU: ESP8266 mit Solarpanel und Akku mit Strom versorgenNodeMCU: ESP8266 mit Solarzelle und Akku mit Strom versorgen
        • ESP8266 Access Point: Günstigen Wlan Repeater selber bauenESP8266 Access Point: Günstigen Wlan Repeater selber bauen
      • Mini Projekte
        • Raspberry Pi Gewächshaus automatisch selber bauenAutomatisches Raspberry Pi Gewächshaus selber bauen
        • Eigene Raspberry Pi Gartenbewässerung mit Webseite bauenEigene Gartenbewässerung mit Webseite bauen
        • Raspberry Pi Radio StationRaspberry Pi als Radio Sendestation verwenden
        • Raspberry Pi Radio ReceiverRaspberry Pi als Radioempfänger benutzen (Autoradio, Car PC)
        • spotify-logo-primary-horizontal-dark-background-rgbRaspberry Pi als Jukebox (Spotify, Soundcloud, TuneIn, uvm.) – Online Radio
        • Raspberry Pi RetroPie Guide - SNES Classic Spielekonsole selber bauenRaspberry Pi RetroPie Guide – SNES Spielekonsole bauen
        • Android + Raspberry Pi: Funksteckdosen App BedienungRaspberry Pi + Android/iOS: Funksteckdosen per App schalten
        • Indirekte Deckenbeleuchtung selber bauen mit farbigem LED LichtIndirekte Deckenbeleuchtung selber bauen mit farbigem LED Licht
  • Sonstiges
    • Wünsch dir ein Tutorial
    • News
    • Reviews
      • Pi Cap – Kapazitives Raspberry Pi Erweiterungsboard
      • Raspberry Pi Tablet „Sunfounder RasPad“ – Testbericht & Einrichtung
      • Testbericht zum 7″ Raspberry Pi Touchscreen Display
      • CrowPi 2 Testbericht: Laptop & Lern-Kit für Kinder
      • Daten auf dem Wio Terminal LCD Screen anzeigen
    • Raspberry Pi Zero
      • Offizielles 5$ Raspberry Pi Zero Modul vorgestellt
      • Raspberry Pi Zero – Ethernet Verbindung herstellen (ENC28J60)
      • Raspberry Pi: WS2801 RGB LED Streifen anschließen und steuern
  • Hausautomation
    • OpenHAB
      • steckdose_25Sonoff S20 Wifi Steckdose steuern
      • wireless_25Funksteckdosen (433 MHz) schalten
      • schalter_25Relais steuern (Rollladen, Lichter, etc.)
      • wetterstation_menu30Wetterstation mit OpenHAB 2 bauen
      • ws28_25WS28xx RGB LED Streifen steuern
      • touchscreen_25Touchscreen Panel bei Näherung aktivieren
      • mqtt_25MQTT Datenabfrage: Raspberry Pi an ESP8266
      • spotify_25Remote Spotify Player im Smart Home
      • heizung_25eQ-3 Thermostat im Smart Home
    • Einführung
      • Raspberry Pi Smart Home OpenHAB installierenOpenHAB installieren & konfigurieren
      • Home Assistant auf dem Raspberry Pi – Erste Schritte
    • ESP8266 NodeMCU
      • esp8266_25Einführung & Programmierung
      • arduino_25ESP8266: Arduino IDE installieren
      • lcd_25NodeMCU HD44780 LCD
      • battery_25Batteriebetrieb via Deep-Sleep
      • wifi_menuPer WLAN Daten senden
      • wetterstation_menu30Wetterstation Außenposten
      • maps_25Google Maps Routenplaner
      • wireless_25NodeMCU Funksteckdosen steuern
      • mail_25Vom NodeMCU Emails versenden
      • rgb_25WS2812B LEDs am Smartphone steuern
      • solar_25ESP8266 Stromversorgung mit Solarzelle
    • Überwachung
      • Aufnahmen mit dem offiziellen Kamera Modul des Raspberry Pi
      • Raspberry Pi: Überwachungskamera Livestream einrichten
      • mailbox_25Briefkasten Sensor – Email Benachrichtigung bei neuer Post
      • Raspberry Pi Überwachungskamera mit Webcam betreiben
      • Überwachung von Fenstern und Türen mit dem Raspberry Pi und Reed-Relais
      • ESP32 Cam Livestream Tutorial für Kamera Modul
    • Raspberry Pi + Android: Benachrichtigungen von Bewegungsmelder
    • Raspberry Pi + Android/iOS: Funksteckdosen per App schalten
    • Raspberry Pi + Android: Schwenkbarer Kamera-Livestream
      • Smart Home
        • Amazon Alexa (Deutsch) auf dem Raspberry Pi installieren
        • Raspberry Pi Funksteckdosen (433MHz) steuern – Tutorial
        • Raspberry Pi Sprachsteuerung selber bauen (Hausautomatisierung)
Tutorials for Raspberry Pi Tutorials for Raspberry Pi
Home»Software»Stereo Kamera Kalibrierung mit OpenCV auf dem Raspberry Pi

Stereo Kamera Kalibrierung mit OpenCV auf dem Raspberry Pi

Facebook Twitter LinkedIn Tumblr Email Reddit
Teilen
Facebook Twitter LinkedIn Email Tumblr Reddit Telegram WhatsApp

Stereo Vision wird vielen Leuten kein umgänglicher Begriff sein, daher will ich erst einmal erklären, was es damit auf sich hat. Mit Hilfe unserer Augen können wir Abstände schätzen, unser Gehirn kennt den Abstand unserer Augen und vergleicht die erkannten Bilder, woraus abgeschätzt werden kann, ob ein Objekt nah oder fern ist, denn nahe Objekte verschieben sich (in beiden Bildern) mehr als weit entfernte Objekte. Dieses Prinzip lässt sich auch mit Algorithmen nachstellen; alles was man dazu braucht sind 2 Kameras und einen Raspberry Pi.

Um z.B. Tiefen anhand Stereo Kameras zu schätzen, müssen zu erst die sog. „Intrinsic“ und „Extrinsic“ Parameter der Kameras bestimmt werden, was man Kalibrierung nennt. Dazu bietet OpenCV alle nötigen Funktionen, welche in diesem Tutorial gezeigt werden. Im anschließenden Teil werden wir dann mit Hilfe dieser Kameras Tiefen berechnen.

 

Zubehör

Alles was für Stereo Vision nötig ist, ist folgendes:

  • Raspberry Pi (Modell mit 2 oder mehr USB Anschlüssen)
  • 2x (identische) Webcams
  • Doppelseitiges Klebeband oder Panzertape
  • Hartpappe / Karton

Es müssen nicht unbedingt zwei identische Kameras sein, allerdings empfiehlt sich das sehr. Sollten die Kameras eine unterschiedliche Auflösung haben, müssten die Bilder runter skaliert werden, worauf ich aber in diesem Tutorial nicht näher eingehe.

 

Vorkenntnisse

Zuallererst kann ich nur wärmstens empfehlen sich ein wenig in Stereo Vision einzulesen, falls man komplett neu einsteigt. Zwei nützliche Links dazu sind folgende:

  • Allgemeines Verständnis zu Tiefenkarten: http://docs.opencv.org/master/dd/d53/tutorial_py_depthmap.html
  • Ausführliche Erklärung der verwendeten Funktionen: http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html

 

Außerdem wirst du gleich ein Schachbrettmuster zum Kalibrieren benötigen. Ich habe eines als PDF hoch geladen, welches du ausdrucken und auf einen Karton/gerade Fläche kleben kannst. Die Größe der Felder ist dabei genau 2.5cm. Die PDF mit Checkerboard (Schachbrett) gibt es hier.

 

 

OpenCV installieren und testen

Bevor es losgehen kann, muss OpenCV erst einmal installiert werden. Die Installation kann (abhängig von deinem Raspberry Pi Model) etwas länger dauern.  Eine ausführliche Anleitung zum Installieren von OpenCV3, welches auch in diesem und den kommenden Tutorials verwendet wird, gibt es hier:

OpenCV auf dem Raspberry Pi installieren

 

Kameras verbinden und Bilder aufnehmen

Die beiden Kameras werden ganz normal per USB an das Raspberry angeschlossen und sollten direkt erkannt werden (du kannst es mittels lsusb prüfen). Anschließend erstellen wir ein Verzeichnis und darin unsere Skripte.

mkdir stereoCamera && cd stereoCamera
mkdir images
sudo nano captureImages.py

Dieses Skript zum Aufnehmen der Stereo-Bilder bekommt folgenden Inhalt (STRG+O und STRG+X zum speichern und beenden):

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import cv2
import numpy as np
import time
import sys
 
imageCount    = 15
interval    = 5 # seconds
outputPath    = "" # "images/"
filenameL    = "left%02d.jpg"
filenameR    = "right%02d.jpg"
 
if __name__ == '__main__':
    assert len(sys.argv) >= 3
 
    leftCamera  = int(sys.argv[1]) # 0 for "/dev/video0"
    rightCamera = int(sys.argv[2])
 
    if len(sys.argv) > 3: outputPath = sys.argv[3]
    if len(sys.argv) > 4: imageCount = int(sys.argv[4])
    if len(sys.argv) > 5: interval     = float(sys.argv[5])
 
    try:
        capL = cv2.VideoCapture(leftCamera)
        capR = cv2.VideoCapture(rightCamera)
        
        time.sleep(5) # wait some seconds
        
        for i in range(imageCount):
            print "Taking image %d:" % i
            ret, frame = capL.read()
            cv2.imwrite(outputPath + filenameL % i, frame)
            print "  Left image done." if ret else "  Error while taking left image..."
            ret, frame = capR.read()
            cv2.imwrite(outputPath + filenameR % i, frame)
            print "  Right image done." if ret else "  Error while taking right image..."
            time.sleep(interval)
            
    finally:
        capL.release()
        capR.release()
        cv2.destroyAllWindows()
    
        

Anschließend können wir die beiden Geräte IDs (ls /dev/video*, z.B. 0 für „/dev/video0“ ) dem Skript übergeben und es erstellt uns die Anzahl der Bilder. Achte darauf, dass als erstes die linke und danach die Rechte Kamera übergeben wird. Die zusätzlichen Parameter für den Ausgabepfad, die Anzahl der Bilder und die Zeit zwischen den Aufnahmen ist optimal (ansonsten werden die im Skript definierten Werte genommen).
Dabei muss noch gesagt werden, dass unterschiedliche Kameras verschieden lange brauchen um ein Bild aufzunehmen. Da beide Bilder hintereinander aufgenommen werden (minimal verzögert), solltest du das Schachbrettmuster still halten.

sudo python captureImages.py 0 1 "images/"

Nach einigen Sekunden werden mit beiden Kameras Bilder aufgenommen. Halte das ausgedruckte Checkerboard in jedem Bild in einer etwas anderen Lage. Ich empfehle zwischen 15 (voreingestellt) und 20 Bildern, da manchmal ein paar Frames fehlerhaft sind. Diese sollten im Nachhinein gelöscht werden (inkl. dem entsprechenden Frame der linken/rechten Kamera).

 

Ein Hinweis: Falls du einen Fehler wie „VIDIOC_STREAMON: Broken pipe“ angezeigt bekommst, liegt das höchstwahrscheinlich daran, dass deine Kamera USB1.1 verwendet. Vereinzelt findet man Hinweise, dass das resetten der USB Verbindung nach jedem Bild helfen würde, was ich aber nicht bestätigen kann. Ich habe dazu bisher keine Lösung gefunden, daher würde ich dringend min. USB2.0 Kameras empfehlen.

 

 

Kalibrierung

Sind alle Bilder gemacht, können wir die Kameras einzeln und zusammen kalibrieren. Dazu verwenden wir die eben gemachten Bilder und ermitteln Intrinsics und Extrinsics. Ich habe dazu ein Skript erstellt, welches du am besten kopieren solltest:

sudo nano stereoCalibrate.py

Der Inhalt ist folgender:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
#!/usr/bin/env python
import numpy as np
import cv2
import json
 
# local modules
from common import splitfn
 
# built-in modules
import os
 
 
USAGE = '''
USAGE: calib.py [--save <filename>] [--debug <output path>] [--square_size] [<left image mask>] [<right image mask>]
'''
 
 
 
if __name__ == '__main__':
    import sys
    import getopt
    from glob import glob
 
    args, img_mask = getopt.getopt(sys.argv[1:], '', ['save=', 'debug=', 'square_size='])
    args = dict(args)
    try:
        img_mask_left = img_mask[0]    
        img_mask_right = img_mask[1]    
    except:
        img_mask_left = '../data/left*.jpg'
        img_mask_right = '../data/right*.jpg'
 
    img_names = [glob(img_mask_left), glob(img_mask_right)]
    img_names[0].sort()
    img_names[1].sort()
    debug_dir = args.get('--debug')
    save_name = args.get('--save')
    square_size = float(args.get('--square_size', 1.0))
    print "Square Size:", square_size, "cm"
 
    pattern_size = (9, 6)
    pattern_points = np.zeros( (np.prod(pattern_size), 3), np.float32 )
    pattern_points[:,:2] = np.indices(pattern_size).T.reshape(-1, 2)
    pattern_points *= square_size
 
    obj_points = [[], []]
    img_points = [[], []]
    h = [0, 0]
    w = [0, 0]
    
    for i in range(2):
        for fn in img_names[i]:
            print 'processing %s...' % fn,
            img = cv2.imread(fn, 0)
            #gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            if img is None:
              print "Failed to load", fn
              continue
 
            h[i], w[i] = img.shape[:2]
            found, corners = cv2.findChessboardCorners(img, pattern_size)
            if found:
                term = ( cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 30, 0.1 )
                cv2.cornerSubPix(img, corners, (5, 5), (-1, -1), term)
            if debug_dir:
                vis = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
                cv2.drawChessboardCorners(vis, pattern_size, corners, found)
                path, name, ext = splitfn(fn)
                cv2.imwrite('%s/%s_chess.bmp' % (debug_dir, name), vis)
            if not found:
                print 'chessboard not found'
                continue
            img_points[i].append(corners.reshape(-1, 2))
            obj_points[i].append(pattern_points)
 
            print 'ok'
            
    assert (len(img_points[0]) == len(img_points[1]))
    assert (len(obj_points[0]) == len(obj_points[1]))
    obj_points = obj_points[0]
    
    # run monocular calibration on each camera to get intrinsic parameters
    rms_l, camera_matrix_l, dist_coeffs_l, _, _ = cv2.calibrateCamera(obj_points, img_points[0], (w[0], h[0]), None, None)
    rms_r, camera_matrix_r, dist_coeffs_r, _, _ = cv2.calibrateCamera(obj_points, img_points[1], (w[1], h[1]), None, None)
    
    print "---------- Camera Left ------------"
    print "RMS:", rms_l
    print "camera matrix:\n", camera_matrix_l
    print "distortion coefficients: ", dist_coeffs_l.ravel()
    print "\n---------- Camera Right -----------"
    print "RMS:", rms_r
    print "camera matrix:\n", camera_matrix_r
    print "distortion coefficients: ", dist_coeffs_r.ravel()
    
    # set stereo flags
    stereo_flags = 0
    stereo_flags |= cv2.CALIB_USE_INTRINSIC_GUESS
    stereo_flags |= cv2.CALIB_FIX_INTRINSIC
    
    # More availabe flags...
    # stereo_flags |= cv2.CALIB_USE_INTRINSIC_GUESS    \
        # Refine intrinsic parameters
    # stereo_flags |= cv2.CALIB_FIX_PRINCIPAL_POINT    \
        # Fix the principal points during the optimization.
    # stereo_flags |= cv2.CALIB_FIX_FOCAL_LENGTH       \
        # Fix focal length
    # stereo_flags |= cv2.CALIB_FIX_ASPECT_RATIO       \
        # fix aspect ratio
    # stereo_flags |= cv2.CALIB_SAME_FOCAL_LENGTH      \
        # Use same focal length
    # stereo_flags |= cv2.CALIB_ZERO_TANGENT_DIST      \
        # Set tangential distortion to zero
    # stereo_flags |= cv2.CALIB_RATIONAL_MODEL         \
        # Use 8 param
 
    
    # run stereo calibration
    rms_stereo, camera_matrix_l, dist_coeffs_l, camera_matrix_r, dist_coeffs_r, R, T, E, F  = cv2.stereoCalibrate(
        obj_points, img_points[0], img_points[1], camera_matrix_l, dist_coeffs_l, camera_matrix_r, dist_coeffs_r, (w[0], h[0]), flags=stereo_flags)
 
    # run stereo rectification
    rectification_matrix_l, rectification_matrix_r, projection_matrix_l, projection_matrix_r, _, _, _ = cv2.stereoRectify(camera_matrix_l, dist_coeffs_l, camera_matrix_r, dist_coeffs_r, (w[0], h[0]), R, T)
    
    print "\n---------- Camera Stereo ----------"
    print "RMS:", rms_stereo
    print "camera matrix left:\n", camera_matrix_l
    print "distortion coefficients left: ", dist_coeffs_l.ravel()
    print "camera matrix right:\n", camera_matrix_r
    print "distortion coefficients right: ", dist_coeffs_r.ravel()
    print "R:\n", R
    #print "T:\n", T
    #print "E:\n", E
    #print "F:\n", F
    print "Rectification matrix Left :\n", rectification_matrix_l
    print "Rectification matrix Right :\n", rectification_matrix_r
    print "Projection Matrix Left :\n", projection_matrix_l
    print "Projection Matrix Right :\n", projection_matrix_r
 
    if save_name:
        data = {"camera_matrix_l": camera_matrix_l.tolist(), "camera_matrix_r": camera_matrix_r.tolist(),
                "dist_coeffs_l": dist_coeffs_l.tolist(), "dist_coeffs_r": dist_coeffs_r.tolist(),
                "rectification_matrix_l": rectification_matrix_l.tolist(), "rectification_matrix_r": rectification_matrix_r.tolist(),
                "projection_matrix_l": projection_matrix_l.tolist(), "projection_matrix_r": projection_matrix_r.tolist(),
                "w": w, "h": h}
        with open(save_name, "w") as f:
            json.dump(data, f)
    
    
    cv2.destroyAllWindows()
 

 

Anschließend können wir die Kalibrierung starten. Dazu geben wir noch einen Datei-Namen an, unter dem die Kamera Matrizen gespeichert werden, damit wir sie später einfach laden können, ohne die Kalibrierung erneut durchführen zu müssen:

sudo python stereoCalibrate.py --square_size=2.5 --save "camera_matrices.json" "images/left*.jpg" "images/right*.jpg"

Hat alles geklappt, solltest du alle Matrizen in der Kommandozeile angezeigt bekommen und in einer JSON Datei gespeichert haben.

 

Test

Um nun noch zu evaluieren, ob die Matrizen auch richtig sind, wenden wir sie auf die Bilder an. Dabei zeige ich folgend kurz die Anwendung:

sudo nano test_remap.py

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import numpy as np
import cv2
import json
 
with open('camera_matrices.json') as data_file: data = json.load(data_file)
 
camera_matrix_l = np.array(data['camera_matrix_l'])
dist_coeffs_l = np.array(data['dist_coeffs_l'])
rectification_matrix_l = np.array(data['rectification_matrix_l'])
projection_matrix_l = np.array(data['projection_matrix_l'])
w = data['w']
h = data['h']
 
map1_l, map2_l = cv2.initUndistortRectifyMap(camera_matrix_l, dist_coeffs_l, rectification_matrix_l, projection_matrix_l, (w[0], h[0]), cv2.CV_16SC2)
img = cv2.imread("images/left01.jpg", 0)
i = cv2.remap(img, map1_l, map2_l, cv2.INTER_LINEAR)
cv2.imshow('image', i)
cv2.waitKey(0)
#cv2.imwrite('test.bmp', i) # alternativ
cv2.destroyAllWindows()

sudo python test_remap.py

Achja, falls du es über SSH ausführst und kein Bild angezeigt bekommst, solltest du X11 (Linux) bzw. Xming (Windows) aktivieren. Ansonsten würde ein Zugriff per Remote auch funktionieren. Die auskommentierte, vorletzte Zeile ist als Alternative bzw. wenn du das Bild speichern willst.

Um die rechten Bilder zu remappen, musst du natürlich alle Matrizen für die rechte Kamera nehmen. Um ein Beispiel zu geben, habe ich „right03.jpg“ (Titel-Bild) mit entsprechenden Matrizen rektifiziert, was folgendermaßen aussieht:

right03_remap
Aufgenommenes Bild nach Rektifizierung (cv2.remap).

Ich verwende ähnlichen Code zur Umrechnung der Bilder, bevor ich Stereo Matching darauf anwende.

 

Bild: OpenCV Sample
3D Rekonstruierung Computer Vision Disparität Fußgängererkennung Kalibrierung OpenCV Rectification Roboter Rotation Stereo Vision Tiefenkarte
Teilen Facebook Twitter Pinterest LinkedIn Tumblr Email
Vorheriger BeitragRaspberry Pi: eQ-3 Thermostat mit OpenHAB im Smart Home nutzen
Nächster Beitrag Raspberry Pi Zero – Establishing an Ethernet connection (ENC28J60)

Ähnliche Beiträge

Mit der Raspberry Pi REST API via Python alle GPIOs steuern

Supercomputer: Wir bauen ein Raspberry Pi Kubernetes Cluster

Raspberry Pi: Java 11 mit Spring Boot installieren und GPIOs steuern

TensorFlow Lite mit Google Coral TPU am Raspberry Pi 4 nutzen

Hinterlasse einen Kommentar Antwort abbrechen

Tutorial: Raspberry Pi als WordPress-Server einrichten

3D-Druck Server: Auf dem Raspberry Pi OctoPrint mit Livecam einrichten

Funkkommunikation zwischen Raspberry Pi’s und Arduinos (2.4 GHz)

Raspberry Pi: WS2801 RGB LED Streifen anschließen und steuern

ESP8266 Access Point: Günstigen Wlan Repeater selber bauen

OpenHAB: MQTT Datenabfrage vom Raspberry Pi an ESP8266 NodeMCU

Blog abonnieren

Abboniere Raspberry Pi Tutorials, um kein Tutorial mehr zu verpassen!

Tutorials for Raspberry Pi
Facebook Twitter YouTube
  • Kontakt & Impressum
  • Unterstützen
  • Datenschutz

Tippe den Suchbegriff oben ein und drücke Enter, um danach zu suchen. Drücke Esc, um abzubrechen.