【红外】采集数据

 【orin】米文动力 orin 使用体验 以及实操（雷达；摄像头）_米文+orin-CSDN博客

红外型号是IR-Pilot 640 41Z1GC，通过gsml连orin

首先，这个miivii文件下缺东西，features/gmsl_camera/samples里就缺东西，缺了两个文件夹。

所以我去新机器拷了新的miivii，完整的。然后打包成miwen.tar.gz，然后解压编译的。

miwen是我建的文件夹，把miwen.tar.gz解压生成的miivii文件夹放到了miwen里

sudo make 报错看着是缺opencv

因为正常装了opencv是这样的

但是我这个目录下只有python，没有opencv相关。

之所以不用find命令，是因为机器里容器里也安装了opencv，太长了，很难排查。

然后我在home下用源码编译的opencv

## 编译opencv源码

解压opencv.zip得到opencv-4.2.0文件夹

解压opencv_contrib.zip得到opencv_contrib-4.2.0文件夹

将opencv_contrib-4.2.0移动到opencv-4.2.0文件夹内

```
cd opencv-4.2.0
mkdir build
cd build/

export http_proxy=http://127.0.0.1:7890/ # 在容器内设置代理

cmake \
-DCUDA_nppicom_LIBRARY=stdc++ \
-DCMAKE_BUILD_TYPE=Release \
-DCMAKE_INSTALL_PREFIX=/usr/local \
-DOPENCV_ENABLE_NONFREE=1 \
-DBUILD_opencv_python2=1 \
-DBUILD_opencv_python3=1 \
-DWITH_FFMPEG=1 \
-DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \
-DCUDA_ARCH_BIN=8.7 \
-DCUDA_ARCH_PTX=8.7 \
-DWITH_CUDA=1 \
-DENABLE_FAST_MATH=1 \
-DCUDA_FAST_MATH=1 \
-DWITH_CUBLAS=1 \
-DOPENCV_GENERATE_PKGCONFIG=1 \
-DOPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.2.0/modules \
..


make -j4 # 四线程编译

sudo make install
```

源码编译opencv的时候出错

sudo apt-get install libboost-all-dev

之后编译成功，usr/local/lib下也出现opencv的库了

opencv编译后，接着编译gmsl

 还是有报错

而Makefile里默认路径（老miivii文件夹）里只有两个so

去找新miivii发现有缺的这个so

 所以我直接把opt下老miivii换成新的了

然后home下的miivii和opt下的miivii都sudo make 编译一下

没报错，看样子是过了

现在继续下一步，运行demo，报错了：缺一个so

先下一个locate工具

sudo apt-get install mlocate

sudo updatedb

还挺多，那就是没摸到，环境变量的原因了

export LD_LIBRARY_PATH=/home/nvidia/opencv/opencv/opencv-4.2.0/build/lib:/usr/local/lib:$LD_LIBRARY_PATH

再次测试

./cameras_opencv_demo -s 640x512 -d /dev/video0

成功！

注意

有段警告，缺东西，但可能无伤大雅，先跳过

nvidia@wk-orin:/opt/miivii/features/gmsl_camera/bin$ ./cameras_opencv_demo -s 640x512 -d /dev/video0
attestationVerify [13] succeed.
Opening camera...
[ WARN:0] global /home/nvidia/opencv/opencv/opencv-4.2.0/modules/videoio/src/cap_gstreamer.cpp (935) open OpenCV | GStreamer warning: Cannot query video position: status=0, value=-1, duration=-1
Gtk-Message: 20:23:56.141: Failed to load module "canberra-gtk-module"

接下来把环境变量永久写进去

永久设置 LD_LIBRARY_PATH

如果需要永久设置 LD_LIBRARY_PATH，可以在用户的 .bashrc 或 .profile 文件中添加以下行：

export LD_LIBRARY_PATH=/home/nvidia/opencv/opencv/opencv-4.2.0/build/lib:/usr/local/lib:$LD_LIBRARY_PATH

 source ~/.bashrc  使其生效

搞定！

接着我要录制 ros 话题的红外图像。

我现在已经成功输出了红外图像，如何查找红外摄像头的信息呢

ls -l /dev/video*

openCV 转 ros话题发布出去

cv_bridge/Tutorials/ConvertingBetweenROSImagesAndOpenCVImagesPython - ROS Wiki

sRGB和RGB有什么区别？

1. RGB：

   • RGB 是一种加色模型，代表红（Red）、绿（Green）和蓝（Blue）三种基本颜色。在显示技术中，通过调整这三种颜色的不同强度可以产生各种各样的颜色。RGB 模型主要用于电子设备上，比如电视、计算机显示器和智能手机屏幕。

2. sRGB：

   • sRGB 是一种具体的色彩空间标准，它定义了一组特定的颜色，这些颜色可以通过 RGB 加色模型来实现。sRGB 是一种较为狭窄但非常普遍的色彩空间，它被广泛应用于网页设计、摄影和打印等领域。sRGB 是由微软和惠普等公司在1990年代末期制定的一个标准，目的是创建一个可以跨多种设备（包括监视器、打印机和扫描仪）的一致色彩语言。

我是sRGB还是mono8？

    BGR8 (bgr8)：用于彩色图像，每个像素有三个通道（蓝、绿、红），每个通道占用 8 位。
    
    RGB8 (rgb8)：用于彩色图像，每个像素有三个通道（红、绿、蓝），每个通道占用 8 位。
    
    灰度图像 (mono8)：用于单通道灰度图像，每个像素只有一个通道，占用 8 位。

选择合适的编码格式

    彩色图像：
        如果你的图像数据是 BGR 格式（OpenCV 默认格式），你应该使用 bgr8 编码。
        如果你的图像数据是 RGB 格式，你应该使用 rgb8 编码。

    灰度图像：
        如果你的图像数据是灰度图像，你应该使用 mono8 编码。

ros_frame.step这个是什么

ros_frame.step 是 sensor_msgs/Image 消息中的一个字段，表示图像每一行的字节数。它是一个非常重要的字段，因为它影响到图像数据的解析和传输。

ros_frame.step 的含义
定义：

ros_frame.step 表示图像每一行的字节数。
它通常等于图像的宽度乘以每个像素的字节数。
计算方法：

对于彩色图像（如 bgr8 或 rgb8），每个像素有 3 个通道（R、G、B），每个通道占用 1 字节。
因此，对于宽度为 width 的图像，step 计算公式为：
python
step = width * channels
示例
假设图像宽度为 1920 像素，每个像素有 3 个通道（BGR 或 RGB），则 step 计算如下：

python
width = 1920
channels = 3
step = width * channels
对于 1920x1080 的 BGR 图像：

python
ros_frame.step = 1920 * 3
为什么需要 step？
内存对齐：

在某些情况下，图像数据可能会有额外的填充字节，以保证内存对齐。这些填充字节不会被显示，但会影响每一行的总字节数。
step 包含了这些额外的填充字节，确保数据正确解析。
跨平台兼容性：

不同的操作系统或硬件可能有不同的内存对齐要求。step 确保数据在不同平台上都能正确解析。