OpenCV调用海康摄像头对投影仪显示区域匹配

hello_stranger 2016-11-16 11:39:38
加精
公司要自主开发一套地面互动投影系统
前期调研的时候在淘宝上看了看别人的东西 在国外网站看了看别人做的东西
最终决定用opencv和海康的摄像机来做
现在意识到一个摄像头照射的区域和投影仪投射的区域匹配的问题
具体效果如下图

因为网上的相关的技术资料很封闭 查不到具体的解决方案
小弟又是刚涉足图像处理这块
想请论坛里的大神们给指条明路
公司没有给很多时间来让系统学习opencv 所以对opencv中一些处理 运算并不是很理解其所以然
目前做的东西都是网上参考别的的例子改的
所以 如果现在想实现图中那种效果 选定投射区域将其作为摄像机的照射区域 且图像不能缩放 失真
该从哪里下手研究呢?
小弟先拜谢了

...全文
7447 20 打赏 收藏 举报
写回复
用AI写文章
20 条回复
切换为时间正序
请发表友善的回复…
发表回复
无良斌啊 2018-04-21
  • 打赏
  • 举报
回复
引用 16 楼 天外怪魔的回复:
海康官网有设备SDK。下载下来后调用取流接口,然后Opencv负责渲染即可。有问题可以给我留言。
你好,我想问一下您有做过相关的功能吗?调用海康或者大华摄像头进行拍照,进行质量分析的
滕柳 2017-03-31
  • 打赏
  • 举报
回复
总结的总结的很好
nettman 2017-03-20
  • 打赏
  • 举报
回复
cattpon 2017-03-17
  • 打赏
  • 举报
回复
learning~
天外怪魔 2017-03-17
  • 打赏
  • 举报
回复
海康官网有设备SDK。下载下来后调用取流接口,然后Opencv负责渲染即可。有问题可以给我留言。
ALIBABATABA 2017-03-15
  • 打赏
  • 举报
回复
nettman 2017-03-14
  • 打赏
  • 举报
回复
HongCalc 2017-03-14
  • 打赏
  • 举报
回复
你描述的不是很清楚,应该用到的技术是仿射变换
hugh_z 2017-03-14
  • 打赏
  • 举报
回复
6666666666666666666
cattpon 2017-03-14
  • 打赏
  • 举报
回复
learning~
snwang_miss 2017-03-14
  • 打赏
  • 举报
回复
海康威视摄像头有自己的API函数,可以直接调用,里面也含有SDK,可以参照。opencv的话,做一些图像处理很方便,但是对硬件的调用,还是建议直接用API函数。
cattpon 2017-03-13
  • 打赏
  • 举报
回复
learning~
shiter 2017-02-01
  • 打赏
  • 举报
回复
海康人摄像头都有api的,匹配方案应该分成物理和自动。例如手动调焦,自动匹配前景背景,等
hello_stranger 2016-11-21
  • 打赏
  • 举报
回复
求个解决方案
hello_stranger 2016-11-20
  • 打赏
  • 举报
回复
引用 4 楼 jsxyhelu2015 的回复:
其实好像有现成的套件。
什么套件?
jsxyhelu2015 2016-11-19
  • 打赏
  • 举报
回复
其实好像有现成的套件。
hello_stranger 2016-11-17
  • 打赏
  • 举报
回复
hello_stranger 2016-11-16
  • 打赏
  • 举报
回复
多谢楼上大哥捧场
赵4老师 2016-11-16
  • 打赏
  • 举报
回复
等公司搬家到北京中……
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[坡道(ramp)] · 训练集:275 张 · 验证集:27 张 · 测试集:0 张 · 总计:302 张 该数据集聚焦于城市环境中各类建筑入口处的坡道设施,涵盖住宅、商铺、公共设施等多种场景,真实反映了无障碍通行设施在实际应用中的多样化形态。数据集中包含金属、橡胶、塑料等多种材质的坡道,以及不同尺寸、结构和安装方式的实例,充分体现了坡道在城市基础设施中的广泛部署与重要性。该数据集为城市智慧化管理、无障碍环境建设及公共安全监控提供了高质量的视觉基础支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 33 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6372** mAP50-95 | 0.3401 Precision | 0.6603 Recall | 0.6190 train/box_loss | 1.0569 train/cls_loss | 0.7307 val/box_loss | 1.6084 val/cls_loss | 1.9323 【训练过程分析】 33 轮训练后 mAP50 仅 0.6372,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.3401,定位精度同样偏低。 【模型性能评估】 Precision 0.6603、Recall 0.6190,精度高于召回,存在一... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

19,463

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧