C# Kinect v2红外传感器的校准&；RGB图像始终略微关闭

我使用官方的Kinect SDK 2.0和Emgu CV来识别魔方的颜色

首先，我在红外相机上使用Canny边缘提取，因为它比RGB相机更好地处理不同的闪电条件，并且更适合检测轮廓

然后我用这个代码把红外传感器的坐标转换成RGB摄像机的坐标。 正如你在图片中看到的，他们仍然远离我所寻找的。因为我已经使用了官方的

KinectSensor.CoordinateMapper.MapDepthFrameToColorSpace

我不知道还有什么办法可以改善这种情况

using (var colorFrame = reference.ColorFrameReference.AcquireFrame())
using (var irFrame = reference.InfraredFrameReference.AcquireFrame())
{
    if (colorFrame == null || irFrame == null)
        return;

    // initialize depth frame data 
    FrameDescription depthDesc = irFrame.FrameDescription;

    if (_depthData == null)
    {
        uint depthSize = depthDesc.LengthInPixels;
        _depthData = new ushort[depthSize];
        _colorSpacePoints = new ColorSpacePoint[depthSize];

         // fill Array with max value so all pixels can be mapped
         for (int i = 0; i < _depthData.Length; i++)
         {
             _depthData[i] = UInt16.MaxValue;
         }
         // didn't work so well with the actual depth-data
         //depthFrame.CopyFrameDataToArray(_depthData);

        _sensor.CoordinateMapper.MapDepthFrameToColorSpace(_depthData, _colorSpacePoints);
    }
}

使用（var colorFrame=reference.ColorFrameReference.AcquireFrame（））
使用（var irFrame=reference.InfraredFrameReference.AcquireFrame（））
{
if（colorFrame==null | | irFrame==null）
回来
//初始化深度帧数据
FrameDescription depthDesc=irFrame.FrameDescription；
如果（_depthData==null）
{
单位深度尺寸=深度描述长度像素；
_depthData=新的ushort[depthSize]；
_colorSpacePoints=新的ColorSpacePoint[depthSize]；
//使用最大值填充数组，以便可以映射所有像素
对于（int i=0；i<\u depthData.Length；i++）
{
_depthData[i]=UInt16.MaxValue；
}
//与实际深度数据不太匹配
//depthFrame.CopyFrameDataToArray（_depthData）；
_sensor.CoordinateMapper.MapDepthFrameToColorSpace（_depthData，_colorSpacePoints）；
}
}

这是我创建的一个辅助函数，用于将红外空间中的点阵列转换为颜色空间

public static System.Drawing.Point[] DepthPointsToColorSpace(System.Drawing.Point[] depthPoints, ColorSpacePoint[] colorSpace){
        for (int i = 0; i < depthPoints.Length; i++)
        {
            // 512 is the width of the depth/infrared image
            int index = 512 * depthPoints[i].Y + depthPoints[i].X;

            depthPoints[i].X = (int)Math.Floor(colorSpace[index].X + 0.5);
            depthPoints[i].Y = (int)Math.Floor(colorSpace[index].Y + 0.5);
        }
        return depthPoints;
    }

public static System.Drawing.Point[]DepthPointsToColorSpace（System.Drawing.Point[]depthPoints，colorSpace[]colorSpace）{
for（int i=0；i

这是因为它与检索深度数据的相机和检索颜色数据的相机不同。 因此，应该应用校正因子来置换深度数据。 这是一个几乎不变的因子，但它与距离有关。

---

我没有给你的代码，但是你可以自己计算。

这是因为它不是同一台相机——检索深度数据的相机和检索颜色数据的相机。 因此，应该应用校正因子来置换深度数据。 这是一个几乎不变的因子，但它与距离有关。

---

我没有你的代码，但你可以自己计算。

我们可以通过使用2个四边形映射将红外图像坐标转换为彩色图像坐标来解决这个问题

类似地，红外图像中的四边形

Q（x1，y1，x2，y2，x3，y3，x4，y4）

， 它在相应的彩色图像中映射四边形

Q'（x1'，y1'，x2'，y2'，x3'，y3'，x4'，y4'）

我们可以将上述映射以方程的形式写成如下：

x1=173; y1=98; x2=387; y2=93; x3=395; y3=262; x4=172; y4=264;  
x1p=787; y1p=235;  x2p=1407; y2p=215; x3p=1435; y3p=705;  x4p=795; y4p=715; 
tx=(x1p-x2p+x3p-x4p)*(y4p-y3p)-(y1p-y2p+y3p-y4p)*(x4p-x3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a31=tx/ty;
tx=(y1p-y2p+y3p-y4p)*(x2p-x3p)-(x1p-x2p+x3p-x4p)*(y2p-y3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a32=tx/ty;
a11=x2p-x1p+a31*x2p;
a12=x4p-x1p+a32*x4p;
a13=x1p;
a21=y2p-y1p+a31*y2p;
a22=y4p-y1p+a32*y4p;
a23=y1p;
a33=1.0;

Q'=Q*A

式中，A是系数为a11、a12、a13、a21、…、a33的3 X 3矩阵

获得系数的公式如下所示：

x1=173; y1=98; x2=387; y2=93; x3=395; y3=262; x4=172; y4=264;  
x1p=787; y1p=235;  x2p=1407; y2p=215; x3p=1435; y3p=705;  x4p=795; y4p=715; 
tx=(x1p-x2p+x3p-x4p)*(y4p-y3p)-(y1p-y2p+y3p-y4p)*(x4p-x3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a31=tx/ty;
tx=(y1p-y2p+y3p-y4p)*(x2p-x3p)-(x1p-x2p+x3p-x4p)*(y2p-y3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a32=tx/ty;
a11=x2p-x1p+a31*x2p;
a12=x4p-x1p+a32*x4p;
a13=x1p;
a21=y2p-y1p+a31*y2p;
a22=y4p-y1p+a32*y4p;
a23=y1p;
a33=1.0;

---

我们可以通过2个四边形映射将红外图像坐标转换为彩色图像坐标来解决这个问题

类似地，红外图像中的四边形

Q（x1，y1，x2，y2，x3，y3，x4，y4）

， 它在相应的彩色图像中映射四边形

Q'（x1'，y1'，x2'，y2'，x3'，y3'，x4'，y4'）

我们可以将上述映射以方程的形式写成如下：

x1=173; y1=98; x2=387; y2=93; x3=395; y3=262; x4=172; y4=264;  
x1p=787; y1p=235;  x2p=1407; y2p=215; x3p=1435; y3p=705;  x4p=795; y4p=715; 
tx=(x1p-x2p+x3p-x4p)*(y4p-y3p)-(y1p-y2p+y3p-y4p)*(x4p-x3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a31=tx/ty;
tx=(y1p-y2p+y3p-y4p)*(x2p-x3p)-(x1p-x2p+x3p-x4p)*(y2p-y3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a32=tx/ty;
a11=x2p-x1p+a31*x2p;
a12=x4p-x1p+a32*x4p;
a13=x1p;
a21=y2p-y1p+a31*y2p;
a22=y4p-y1p+a32*y4p;
a23=y1p;
a33=1.0;

Q'=Q*A

式中，A是系数为a11、a12、a13、a21、…、a33的3 X 3矩阵

获得系数的公式如下所示：

x1=173; y1=98; x2=387; y2=93; x3=395; y3=262; x4=172; y4=264;  
x1p=787; y1p=235;  x2p=1407; y2p=215; x3p=1435; y3p=705;  x4p=795; y4p=715; 
tx=(x1p-x2p+x3p-x4p)*(y4p-y3p)-(y1p-y2p+y3p-y4p)*(x4p-x3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a31=tx/ty;
tx=(y1p-y2p+y3p-y4p)*(x2p-x3p)-(x1p-x2p+x3p-x4p)*(y2p-y3p);
ty=(x2p-x3p)*(y4p-y3p)-(x4p-x3p)*(y2p-y3p);
a32=tx/ty;
a11=x2p-x1p+a31*x2p;
a12=x4p-x1p+a32*x4p;
a13=x1p;
a21=y2p-y1p+a31*y2p;
a22=y4p-y1p+a32*y4p;
a23=y1p;
a33=1.0;

---

这两张照片真的一样吗？在红外传感器中，我们可以看到你左边还有很多空间，而你是RGB图像的左边。不，它们不一样。一个来自RGB摄像头（1920 x 1080），另一个来自其旁边的红外传感器（512 x 424）。对于Kinect v2，它们具有不同的分辨率和视角。这就是为什么我必须使用Kinect v2 SDK中的

CoordinateMapper

。我不熟悉Kinect，但您可能缺少一些偏移量！这两张照片真的一样吗？在红外传感器中，我们可以看到你左边还有很多空间，而你是RGB图像的左边。不，它们不一样。一个来自RGB摄像头（1920 x 1080），另一个来自其旁边的红外传感器（512 x 424）。对于Kinect v2，它们具有不同的分辨率和视角。这就是为什么我必须使用Kinect v2 SDK中的

CoordinateMapper

。我不熟悉Kinect，但您可能缺少一些偏移量！