四、3588麒麟读取rtsp图像数据

一、3588板卡、麒麟系统

表 板卡信息

序号

项目

备注

操作系统

银河麒麟 V10

内核为linux 5.10.160

芯片

ARM64

RK3588

接口

u口、网口

电压

9~24V

二、摄像头类型

海康摄像头(200万像素,4mm定焦镜头,具有补光能力):

图 1 相机尺寸

表 1 技术参数

三、第一种读取方法

直接使用opencv进行读取

代码为:

import cv2
 
cap = cv2.VideoCapture("rtsp://用户名(例:amdin):密码(例:A12345)@ 摄像头IP与端口号(例:192.168.254.12:554)/Streaming/Channels/101")
cap.set(cv2.CAP_PROP_FOURCC,cv2.VideoWriter_fourcc('M','J','P','G'))
while True:
    ret,frame = cap.read()
    if not ret:
        cap = cv2.cap("rtsp://用户名(例:amdin):密码(例:A12345)@ 摄像头IP与端口号(例:192.168.254.12:554)/Streaming/Channels/101")
        continue  #(这里需要注意,否则读取数据会频繁中断)
         
    cv2.imshow("camera", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

优点,使用方法简单;缺点,延时大,后续接图像处理时,容易出现断连情况。

四、第二种读取方法

安装ros系统,下载rocon_devices-develop

网址: GitHub - robotics-in-concert/rocon_devices: A collection of device drivers involved in rocon

具体步骤:

mkdir -p ~/catkin_ws/src

cd ~/catkin_ws/src

catkin_init_workspace

将rocon_devices-develop添加到src文件夹下:

在src/rocon_devices-develop/rocon_rtsp_camera_relay/launch/rtsp_camera_relay.launch中,修改 第二行 default="rtsp://用户名(例:amdin):密码(例:A12345)@ 摄像头IP与端口号(例:192.168.254.12:554)/Streaming/Channels/101"

输入catkin_make

启动命令 roslaunch rocon_rtsp_camera_relay rtsp_camera_relay.launch

采集数据使用如下代码进行接收(python):

#!/usr/bin/env python3
import sys
sys.path.append('/opt/ros/kinetic/lib/python2.7/dist-packages')
sys.path.append('/usr/lib/python2.7/dist-packages')
import rospy
import time
from sensor_msgs.msg import Image
from cv_bridge import CvBridge,CvBridgeError
import numpy as np
import sys

python3 = True if sys.hexversion > 0x03000000 else False
if python3:
    # remove ros python2 library
    ros_cv_path = '/opt/ros/kinetic/lib/python2.7/dist-packages'
    if ros_cv_path in sys.path:
        sys.path.remove(ros_cv_path)
import cv2 as cv
#----------------------------------------------------
cv_type = dict()
cv_type['mono8'] = (np.uint8  , 1)
cv_type['8UC2']  = (np.uint8  , 2)
cv_type['bgr8']  = (np.uint8  , 3)
cv_type['8UC4']  = (np.uint8  , 4)
cv_type['8SC1']  = (np.int8   , 1)
cv_type['8SC2']  = (np.int8   , 2)
cv_type['8SC3']  = (np.int8   , 3)
cv_type['8SC4']  = (np.int8   , 4)
cv_type['16UC1'] = (np.uint16 , 1)
cv_type['16UC2'] = (np.uint16 , 2)
cv_type['16UC3'] = (np.uint16 , 3)
cv_type['16UC4'] = (np.uint16 , 4)
cv_type['16SC1'] = (np.int16  , 1)
cv_type['16SC2'] = (np.int16  , 2)
cv_type['16SC3'] = (np.int16  , 3)
cv_type['16SC4'] = (np.int16  , 4)
cv_type['32SC1'] = (np.uint32 , 1)
cv_type['32SC2'] = (np.uint32 , 2)
cv_type['32SC3'] = (np.uint32 , 3)
cv_type['32SC4'] = (np.uint32 , 4)
cv_type['32FC1'] = (np.int32  , 1)
cv_type['32FC2'] = (np.int32  , 2)
cv_type['32FC3'] = (np.int32  , 3)
cv_type['32FC4'] = (np.int32  , 4)
cv_type['64FC1'] = (np.float64, 1)
cv_type['64FC2'] = (np.float64, 2)
cv_type['64FC3'] = (np.float64, 3)
cv_type['64FC4'] = (np.float64, 4)
ros_type = dict()
ros_type[('uint8'  , 1)] = ('mono8', 1)
ros_type[('uint8'  , 2)] = ('8UC2' , 2)
ros_type[('uint8'  , 3)] = ('bgr8' , 3)
ros_type[('uint8'  , 4)] = ('8UC4' , 4)
ros_type[('int8'   , 1)] = ('8SC1' , 1)
ros_type[('int8'   , 2)] = ('8SC2' , 2)
ros_type[('int8'   , 3)] = ('8SC3' , 3)
ros_type[('int8'   , 4)] = ('8SC4' , 4)
ros_type[('uint16' , 1)] = ('16UC1', 1)
ros_type[('uint16' , 2)] = ('16UC2', 2)
ros_type[('uint16' , 3)] = ('16UC3', 3)
ros_type[('uint16' , 4)] = ('16UC4', 4)
ros_type[('int16'  , 1)] = ('16SC1', 1)
ros_type[('int16'  , 2)] = ('16SC2', 2)
ros_type[('int16'  , 3)] = ('16SC3', 3)
ros_type[('int16'  , 4)] = ('16SC4', 4)
ros_type[('uint32' , 1)] = ('32SC1', 1)
ros_type[('uint32' , 2)] = ('32SC2', 2)
ros_type[('uint32' , 3)] = ('32SC3', 3)
ros_type[('uint32' , 4)] = ('32SC4', 4)
ros_type[('int32'  , 1)] = ('32FC1', 1)
ros_type[('int32'  , 2)] = ('32FC2', 2)
ros_type[('int32'  , 3)] = ('32FC3', 3)
ros_type[('int32'  , 4)] = ('32FC4', 4)
ros_type[('float64', 1)] = ('64FC1', 1)
ros_type[('float64', 2)] = ('64FC2', 2)
ros_type[('float64', 3)] = ('64FC3', 3)
ros_type[('float64', 4)] = ('64FC4', 4)

def ToRosMsg(img):
    msg = Image()
    msg.header.stamp = rospy.Time.now()
    msg.width        = img.shape[1]
    msg.height       = img.shape[0]
    channel          = 1
    if len(img.shape) is 3:
        channel = img.shape[2]
    msg.encoding = ros_type[(str(img.dtype), channel)][0]
    msg.is_bigendian = 0
    msg.step = msg.width * channel
    msg.data = img.tobytes()
    return msg

def ToCvImg(msg):
    img = np.fromstring(
        msg.data, dtype=cv_type[msg.encoding][0]).reshape(
            msg.height, msg.width, cv_type[msg.encoding][1])
    return img

def callback(imgmsg):
    img = ToCvImg(imgmsg)
    cv_img = cv.resize(img,(640,416),interpolation=cv.INTER_NEAREST)
    cv.imshow("listener", cv_img)
    cv.waitKey(1)

def listener():
    rospy.init_node('listener', anonymous=True)
    rospy.Subscriber("/rtsp_camera_relay/image", Image, callback)
    rospy.spin()

if __name__ == '__main__':
    listener()

优点,数据采集延时小;缺点,安装ros,需要折腾。

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我可以用中文回答您的问题。 使用OpenCV读取RTSP视频流并进行图像处理可以分为以下几个步骤: 1. 导入OpenCV库并打开RTSP流 您可以使用cv2库中的VideoCapture函数打开RTSP流。例如: ```python import cv2 cap = cv2.VideoCapture("rtsp://username:password@ip_address:port/path") ``` 其中,`username`和`password`是您的RTSP流的用户名和密码,`ip_address`是您的RTSP流的IP地址,`port`是RTSP流的端口,`path`是您的视频流的路径。 2. 读取视频流中的帧 使用VideoCapture对象的read方法,可以读取视频流中的帧。例如: ```python ret, frame = cap.read() ``` 其中,`ret`是一个布尔值,用于检测是否成功读取了一帧,`frame`是当前帧的图像数据。 3. 对图像进行处理 您可以使用OpenCV的各种函数对帧进行处理,例如滤波、二值化、边缘检测等等。 ```python gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blur, 100, 200) ``` 这里的代码将读取到的帧先转换为灰度图像,然后对其进行高斯滤波和Canny边缘检测。 4. 显示处理后的图像并进行流畅推流 最后,您可以使用imshow函数将处理后的图像显示出来,并使用waitKey函数等待一段时间以流畅地推流视频。例如: ```python cv2.imshow("Processed Frame", edges) cv2.waitKey(1) ``` 其中,`1`表示等待1毫秒。 完整的代码示例: ```python import cv2 cap = cv2.VideoCapture("rtsp://username:password@ip_address:port/path") while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blur, 100, 200) cv2.imshow("Processed Frame", edges) cv2.waitKey(1) cap.release() cv2.destroyAllWindows() ``` 希望这能帮到您! ### 回答2: 使用OpenCV读取RTSP流需要使用VideoCapture来打开RTSP URL,并使用read方法读取每一帧图像。然后,我们可以将读取到的每一帧进行图像处理操作,例如裁剪、缩放、滤波等等。最后,我们可以使用OpenCV的VideoWriter将处理后的图像推流出去。 首先,我们需要引入OpenCV库并创建一个VideoCapture对象,将RTSP URL作为参数传入。然后,使用while循环不断读取每一帧图像,直到读取到最后一帧或者用户中断操作。 然后,我们可以对每一帧图像进行预处理操作,例如使用cv2.crop裁剪图像的特定区域,使用cv2.resize缩放图像的尺寸,使用cv2.filter2D进行滤波等。处理后的图像可以通过cv2.imshow显示出来,或者通过cv2.imwrite保存为本地文件。 最后,我们需要创建一个VideoWriter对象,指定输出文件的编码方式、帧率和分辨率等参数,并利用write方法将处理后的图像写入推流。推流的终止可以通过按下键盘上的"q"键触发。 示例代码如下: ```python import cv2 # 打开RTSP流 cap = cv2.VideoCapture("rtsp://example.com/live") # 设置输出编码方式、帧率和分辨率 fourcc = cv2.VideoWriter_fourcc(*'mp4v') fps = cap.get(cv2.CAP_PROP_FPS) width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 创建VideoWriter对象 out = cv2.VideoWriter("output.mp4", fourcc, fps, (width, height)) while True: # 读取图像帧 ret, frame = cap.read() if not ret: break # 图像处理操作 # ... # 显示处理后的图像 cv2.imshow("Frame", frame) # 写入推流 out.write(frame) # 按下q键退出推流 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() out.release() cv2.destroyAllWindows() ``` 通过上述代码,我们可以利用OpenCV实现读取RTSP图像并进行处理后推流的功能。当然,在实际应用中,还可以根据具体需求进行更复杂的图像处理操作,以及将推流输出改为其他形式,例如推流到网络服务器或者其他设备等。 ### 回答3: OpenCV是一个开源的计算机视觉图像处理库,它提供了很多用于处理图像和视频的函数和算法。我们可以使用OpenCV读取RTSP流并进行图像处理,然后将处理后的图像推流到其他设备或平台。 首先,我们需要安装OpenCV库,并创建一个RTSP流对象。我们可以使用`cv2.VideoCapture()`函数来读取RTSP流。例如,下面的代码将创建一个读取RTSP流的对象: ``` import cv2 rtsp_stream_url = "rtsp://example.com/your_stream_url" cap = cv2.VideoCapture(rtsp_stream_url) ``` 接下来,我们可以使用OpenCV提供的函数和算法来对图像进行处理。例如,我们可以使用`cv2.cvtColor()`函数将图像转换为灰度图像: ``` ret, frame = cap.read() gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) ``` 然后,我们可以将处理后的图像推流到其他设备或平台。有很多方法可以实现这一点,具体取决于我们想要推流到哪里。例如,我们可以使用FFmpeg来推流。首先,我们需要将处理后的图像保存为图片文件。然后,我们可以使用以下命令将图片文件推流到RTMP服务器: ``` ffmpeg -re -i your_image.jpg -vcodec copy -f flv rtmp://example.com/your_rtmp_server_url ``` 您也可以使用其他方法将图像推流到其他设备或平台,具体取决于您的需求。无论您选择哪种方法,都需要确保设备或平台支持推流和相应的协议。 综上所述,我们可以使用OpenCV库来读取RTSP流并对图像进行处理,然后将处理后的图像推流到其他设备或平台。具体的实现细节取决于您的需求和选择的推流方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值