很多人视觉算法处理慢找我，真头秃，我能给的方案都有限。而且最后都是想让我给写。。。
众所周知1秒24帧图像，如果你的单帧分辨率小点还好，大了肯定卡顿。
那解决方案其实比较固定的：
- 增加机器算力，以前1帧时间1，现在0.1，那就是提升了10倍
- 或者使用ROI，就是分辨率变小，也相对的算起来轻松
- 或者抽帧，也就是我用的方法，我一秒处理4帧，这个效率最高的
如果想直接使用，可以看文章下面的代码。
首先回忆一下深度图，它是灰度图像，该图像的每一个像素值都是摄像头到物体表面之间距离的估计值。
因为我也没带相机，这里就使用预先下载的图像集处理一下。
大致就是说，没有摄像机也不慌，别气，我们可以录制下来给你用
反正提供了好几个
免责声明：以上文件不是官方营销材料。这些是使用预生产硬件捕获的，其唯一目的是帮助开发人员、制造商和学生开始使用 RealSense 技术
简单的放了一下
RGB的参数
深度的参数
ROS的播放包
代码语言：javascript复制pip install pyrealsense2pip install opencv-python安装两个包，2代比一代强很多了。
没什么问题
这步就报错了，不知道为什么
抠抠屁股，参数写错了。
打印参数看看
相当ok
先对齐，接着读一帧
信息ok~
获取一张图，嘻嘻嘻，RGB的
打印一些帧的信息
这里使用一窗口呈现图片
显示一下深度的图像
获取点云的数据
这里处理一下
绘制出来
令人头秃的是，全是编译好的pyc
Optimizing Correlated Graspability Score and Grasp Regression for Better Grasp Prediction
代码语言：javascript复制https://arxiv.org/pdf/2002.00872v1.pdf论文位置，没有源码，看个锤子
论文里面一种抓取的图，真锤子
下面是双目相机的一点原理：
1 通用单目相机模型
通用相机模型中，X,Y,Z为世界坐标系，（x,y,z）为相机坐标系，根据x三角形相似性：
2 双目测距原理
双目立体视觉的深度相机对环境光照强度比较敏感，且依赖图像本身的特征，在光照不足，缺乏纹理的情况下很难提取到适合做匹配的特征。即左右两幅图像的对应关系不容易确定。
realsense解决了这样的问题，看下文：
1 有效深度视角：
real sense 在本质上属于双目立体视觉，所以，有效的深度视场应该是左成像器和右成像器的视场重叠的一部分，因为只有在左右两幅像中都有对应像素点的物理坐标，才能计算出深度值。如下图所示：
以realsense d415为例， d415参数如下，
带入参数，可以计算得到在不同高度z下，对应的水平方向上的有效视角
不同高度对应的有效深度视角
无效视角部分反应在深度图像上，会是黑洞，如图：
2 水平方向有效视场宽度(与相机连线水平，另一个垂直方向视角不会改变，计算简单，忽略)
在不同高度下，无效宽度和总视野宽度比例可以通过如下公式计算：
DBR = B/(2*Z*tan(HFOV/2))
Invalid depth band(in pixels) = HRES*DBR
其中hres 为Horizontal Resolution水平方向分辨率
根据有效视场宽度比例，可以计算不同深度下的水平方向有效视野宽度
不同深度下水平方向有效视野尺寸
根据视野尺寸（整个视野尺寸，非有效尺寸）和像素分辨率，可以计算水平方向的最小空间分辨率
最小空间分辨率（mm）= （视野尺寸/像素分辨率）* 3
其中，视野尺寸可以通过摄像机b模型计算得到，d415水平方向像素分辨率1280，根据香浓采样定理j并结合亚像素精度，系数取s3，
得到不同深度下，水平方向上可以做到的空间分辨精度：
3 综合计算realsense d415gs深度方向上各个参数如下表
real sense 参数
以上来自于这个小姐姐，没错~
这CV学的可以~写进我的书里面了~
这段代码是将RGB和Depth分帧保存。
这里是对硬件的一个初始化，这里要注意搞明白分辨率，也可以就像文章开头那样使用一个路径来分帧。
使用了一个try和finally来控制下面的帧
等待视频框架发一个完整的帧，将两个帧进行一次对齐操作
获得两个帧，然后确保两种视频流都读取到，接着把图像帧转换一下数据类型
深度图不方便显示，可以用applyColorMap把深度映射到彩色，更改cv2.COLORMAP_JET参数可以修改映射算法
！！！每20帧存一下
扫尾工作，接着显示出来
这样就有效的避免了算力不够的问题。
代码语言：javascript复制import open3d as o3d
# 查看是否能检测到intel realsense设备
# o3d.t.io.RealSenseSensor.list_devices()
import pyrealsense2 as rs
import numpy as np
import cv2
# 设置rgb和depth图片的储存路径
rgb_file = './rgb'
depth_file = './depth'
# i为储存图片的序号；j记录视频流中图片数量，到20清空一次
i = 0
j = 0
if __name__ == "__main__":
pipeline = rs.pipeline()
# 设置视频流的分辨率，格式大小，帧数
config = rs.config()
config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
# 设置对齐对象，让Depth对齐RGB
align_to = rs.stream.color
align = rs.align(align_to)
# start streaming
pipeline.start(config)
try:
while True:
j = j 1
# 获得RGB，Depth框架
frames = pipeline.wait_for_frames()
# 深度与颜色对齐
aligned_frames = align.process(frames)
# 获得相机内参
# profile = aligned_frames.get_profile()
#intrinsics = profile.as_video_stream_profile().get_intrinsics()
# pinhole_camera_intrinsic = o3d.camera.PinholeCameraIntrinsic(
# intrinsics.width, intrinsics.height, intrinsics.fx, intrinsics.fy, intrinsics.ppx, intrinsics.ppy)
# 获得对齐的帧
depth_frame = aligned_frames.get_depth_frame()
color_frame = aligned_frames.get_color_frame()
# 如果没有拿到帧，继续程序
if (not depth_frame) or (not color_frame):
continue
# 把图片转化为numpy格式
depth_image = np.asanyarray(depth_frame.get_data())
color_image = np.asanyarray(color_frame.get_data())
# 深度图不方便显示，可以用applyColorMap把深度映射到彩色，更改cv2.COLORMAP_JET参数可以修改映射算法
depth_colormap = cv2.applyColorMap(cv2.convertScaleAbs(
depth_image, alpha=0.03), cv2.COLORMAP_JET)
# 储存图片
if j % 20 == 0:
i = i 1
cv2.imwrite("./rgb/rgb_{}.jpg".format(i), color_image)
cv2.imwrite("./depth/depth_{}.jpg".format(i), depth_colormap)
# 把RGB和Depth沿行对齐，方便后续显示视频流
images = np.hstack((color_image, depth_colormap))
# 展示视频流
cv2.namedWindow('realsense', cv2.WINDOW_AUTOSIZE)
cv2.imshow('realsense', images)
key = cv2.waitKey(1)
# 退出
if key & 0xFF == ord('q') or key == 27:
cv2.destroyWindow()
break
finally:
pipeline.stop()
完整代码
代码语言：javascript复制https://www.zhihu.com/column/c_1264582588888354816https://github.com/IntelRealSense/librealsense/blob/master/doc/sample-data.mdhttps://github.com/IntelRealSense/librealsense
