1.嘗試用tx2外接kinectv1深度相機獲取rgbd影象資訊，傳入到我們的行人檢測**框架中，除錯基於深度相機的行人檢測與跟蹤演算法的效果。
首先安裝kinect對應arm處理器的ubuntu驅動程式，
libfreenect v2.0
openni v2.2.0.33
nite v2.0.0
安裝libfreenect
sudo apt-get install git g++ cmake libxi-dev libxmu-dev libusb-1.0-0-dev pkg-config freeglut3-dev build-essential
安裝libfreenect
git clone
cd libfreenect
mkdir build; cd build
cmake .. -dbuild_openni2_driver=on
make
安裝openni2
cd openni-linux-x86-2.2/
sudo ./install.sh
source opennidevenvironment
cp ~/libfreenect/platform/linux/udev/51-kinect.rules /etc/udev/rules.d/
cp ~/libfreenect/build/lib/openni2-freenectdriver/libfreenectdriver.so openni-linux-x86-2.2/redist/openni2/drivers/
cp ~/libfreenect/build/lib/openni2-freenectdriver/libfreenectdriver.so openni-linux-x86-2.2/tools/openni2/drivers/
lsusb
bus 002 device 006: id 045e:02ae microsoft corp. xbox nui camera
bus 002 device 004: id 045e:02b0 microsoft corp. xbox nui motor
bus 002 device 005: id 045e:02ad microsoft corp. xbox nui audio
cd openni-linux-x86-2.2/tools/
***以上步驟都可以在tx2中正常操作，接下來的測試步驟
./niviewer 沒有看到預期的輸出rbg影象和深度影象
後面還要安裝nite2 由於出現問題，沒有繼續下去，這裡也把教程放上來：
cd nite-2.0.0/
sudo ./install.sh
source nitedevenvironment
cp ~/libfreenect/build/lib/openni2-freenectdriver/libfreenectdriver.so nite-2.0.0/samples/bin/openni2/drivers/
拷貝openni庫到執行sample的目錄，因為nite依賴於openni：cp openni-linux-x86-2.2/redist/libopenni2.so nite-2.0.0/samples/bin
cd nite-2.0.0/samples/bin/
驗證tracking功能
./userviewer
2.由於沒有能安裝成功kinect的驅動到tx2上，嘗試使用小強機械人自帶的攝像頭檢測，普通攝像頭直接呼叫opencv攝像頭測試程式即可驗證，
這裡吧**放上來：
# import cv2
# import numpy as np##
# cap = cv2.videocapture(0)
# fourcc = cv2.cv.cv_fourcc(*'xvid')
# #opencv3的話用:fourcc = cv2.videowriter_fourcc(*'xvid')
# while true:
# ret,frame = cap.read()
# gray = cv2.cvtcolor(frame,cv2.color_bgr2gray)##
# if cv2.waitkey(1) &0xff == ord('q'):
# break
## cap.release()
# out.release()
# cv2.destroyallwindows()
import cv2
import numpy as np
cap = cv2.videocapture(1)
while(1):
# get a frame
ret, frame = cap.read()
# show a frame
cv2.imshow("capture", frame)
if cv2.waitkey(1) & 0xff == ord('q'):
break
cap.release()
cv2.destroyallwindows()
# ********************
**是可行的，但是呼叫小強攝像頭出錯，沒有辦法強行呼叫，這裡採用普通的外接攝像頭進行測試。
使用外接的攝像頭，可能進行行人識別，從效果上看比較不錯，不過也會有個別情況下出現丟失目標。
機械人視覺專案 視覺檢測識別 機械人跟隨（3）
嵌入式裝置，計算資源有限，對演算法的執行時間敏感。yolov3在tx2上能跑到5fps，但存在偶爾漏檢的情況。yolov3使用darknet。kcf雖然非常快，但很容易跟丟，對於目標形變 人的姿態變化 目標移動較快 目標離開場景等情況，效果較差。kcf使用opencv contrib的實現。dete...
機械人視覺專案 視覺檢測識別 機械人跟隨（16）
跟蹤丟失後再檢測時加上目標特徵匹配，是將第一幀檢測到的目標框中的特徵提取出來，具體可以採用尺度不變特徵sift，surf特徵提取，提取出來的特徵，能否以向量的形式儲存在變數中，再檢測時搜尋影象幀中的待確定目標區域 可能有數個這樣的roi 可以通過計算歐式距離的方式與第一幀影象中的特徵進行匹配，快速排...
訊號處理在機器視覺 機械人視覺與機器視覺
機械人視覺 計算機視覺 影象處理 機器視覺和圖形識別，這幾者之間到底有神馬區別呢？要弄清楚他們哪乙個是哪乙個，有時候也真的是容易混淆的。接下來看看這些術語的具體含義是什麼，以及他們與機械人技術有什麼關聯。讀了這篇文章後，你就再也不會被這些概念弄糊塗了！在這篇文章當中，我們分解了機械人視覺的 族譜 以...