Différences

Ci-dessous, les différences entre deux révisions de la page.

--- streaming_over_network_with_opencv_et_zeromq [2022/02/19 08:58] – [Profondeur d'une OAK-D Lite] serge
+++ streaming_over_network_with_opencv_et_zeromq [2022/02/25 13:15] (Version actuelle) – [Profondeur d'une OAK-D Lite] serge
@@ Ligne 6: / Ligne 6: @@
 </WRAP>
+**Pas de latence, peu ce consommation CPU, en python super facile à implémenter**\\
+**mais pas de réception dans VLC et Pure Data.**\\
+Utiliser **[[streamer_des_images_opencv_avec_v4l2-loopback|Streamer des images OpenCV avec v4l2-loopback]]**
 =====ZeroMQ=====
 **[[https://zeromq.org/|zeromq.org]]** (également écrit ØMQ, 0MQ ou ZMQ) est une bibliothèque de messagerie asynchrone haute performance
@@ Ligne 17: / Ligne 20: @@
   * [[https://github.com/jeffbass/imagezmq|Transporting OpenCV images]]
-=====Installation=====
+=====Implémentation dans Pure Data=====
+  * https://github.com/sansculotte/pd-zmq
+====Installation de puredata====
+  sudo apt install multimedia-puredata libzmq3-dev
+====Compilation du patch zmq====
+  git clone git@github.com:sansculotte/pd-zmq.git
+  cd pd-zmq
+  make
+====Utilisation des scripts fournis====
+Ça envoie et reçoit des int/string, mais pas d'images !\\
+Extrait de https://github.com/sansculotte/pd-zmq/blob/master/TODO\\
+<code>
+LATER
+* proper architecture workflows
+** multiconnects/multicast (pgm?)
+* complex objects
+** [zmf_router] -- [broker] as abstraction?
+** [zmf_dealer] -/
+** [zmf_pair]
+* implement streams to send audio blocks
+** binary modes
+* send/receive modes
+** binary (for audio/video frames)
+** string (for communication w external programs)
+</code>
+Le paquet de la première image est reçu, mais il ne passe passe rien ensuite ...
+=====Installation du module python=====
 Dans un environnement virtuel python (3.9)
@@ Ligne 38: / Ligne 70: @@
 </code>
+====Lancement d'un script====
+  cd /le/dossier/de/votre/projet
+  ./mon_env/bin/python3 sender_cam.py  # sender_cam.py est le script ci_dessous
+====Sender avec python et receive dans pd====
+Bon, là je suis nul en pd !
 =====Exemples=====
   * Exemples inspirés de: https://github.com/jeffbass/imagezmq/tree/master/examples
@@ Ligne 52: / Ligne 92: @@
 sender = imagezmq.ImageSender(connect_to='tcp://127.0.0.1:5555')
 my_name = "moi"
 cap = cv2.VideoCapture(2)
 time.sleep(2.0)
 while 1:
     # image peut venir de n'importe quoi !
     # ici, c'est pour une caméra
     ret, image = cap.read()
     if ret:
         cv2.imshow("moi", image)
         sender.send_image(my_name, image)
         print("send:", image.shape)
     if cv2.waitKey(10) == 27:
         break
@@ Ligne 76: / Ligne 112: @@
 image_hub = imagezmq.ImageHub()
 while 1:
     your_name, image = image_hub.recv_image()
     print(your_name, image.shape)
     cv2.imshow(your_name, image)
     image_hub.send_reply(b'OK')
     if cv2.waitKey(10) == 27:
         break
 </file>
-====Profondeur d'une OAK-D Lite====
-<code bash>
-cd /le/dossier/de/votre/projet
-source mon_env/bin/activate
-python3 -m pip install depthai numpy
-</code>
-<file python sender_oak_depth.py>
-import time
-import imagezmq
-import cv2
-import depthai as dai
-import numpy as np
-sender = imagezmq.ImageSender(connect_to='tcp://127.0.0.1:5555')
-time.sleep(2.0)
-pipeline = dai.Pipeline()
-# Define a source - two mono (grayscale) cameras
-left = pipeline.createMonoCamera()
-left.setResolution(dai.MonoCameraProperties.SensorResolution.THE_400_P)
-left.setBoardSocket(dai.CameraBoardSocket.LEFT)
-right = pipeline.createMonoCamera()
-right.setResolution(dai.MonoCameraProperties.SensorResolution.THE_400_P)
-right.setBoardSocket(dai.CameraBoardSocket.RIGHT)
-# Create a node that will produce the depth map (using disparity output as it's easier to visualize depth this way)
-depth = pipeline.createStereoDepth()
-depth.setConfidenceThreshold(200)
-# Options: MEDIAN_OFF, KERNEL_3x3, KERNEL_5x5, KERNEL_7x7 (default)
-median = dai.StereoDepthProperties.MedianFilter.KERNEL_7x7 # For depth filtering
-depth.setMedianFilter(median)
-# Better handling for occlusions:
-depth.setLeftRightCheck(False)
-# Closer-in minimum depth, disparity range is doubled:
-depth.setExtendedDisparity(False)
-# Better accuracy for longer distance, fractional disparity 32-levels:
-depth.setSubpixel(False)
-left.out.link(depth.left)
-right.out.link(depth.right)
-# Create output
-xout = pipeline.createXLinkOut()
-xout.setStreamName("disparity")
-depth.disparity.link(xout.input)
-with dai.Device(pipeline) as device:
-    device.startPipeline()
-    # Output queue will be used to get the disparity frames from the outputs defined above
-    q = device.getOutputQueue(name="disparity", maxSize=4, blocking=False)
-    while True:
-        inDepth = q.get()  # blocking call, will wait until a new data has arrived
-        frame = inDepth.getFrame()
-        frame = cv2.normalize(frame, None, 0, 255, cv2.NORM_MINMAX)
-        # Convert depth_frame to numpy array to render image in opencv
-        depth_gray_image = np.asanyarray(frame)
-        # Resize Depth image to 640x480
-        resized = cv2.resize(depth_gray_image, (640, 480), interpolation = cv2.INTER_AREA)
-        sender.send_image("moi", resized)
-        cv2.imshow("disparity", resized)
-        if cv2.waitKey(1) == 27:
-            break
-</file>
-Le receiver est le même que ci-dessus.
-{{tag>opencv pd pure-data pure_data python sb vlc}}
+{{tag>zmc opencv pd pure-data pure_data python sb}}