一、Visual Studio 的安裝配置

作業回顧

可參考我之前的博客作業：點擊此處跳轉

二、OpenCV 的下載與安裝

作業回顧

可參考我之前的博客作業：點擊此處跳轉

三、Visual Studio 下 OpenCV 的環境配置

作業回顧

可參考我之前的博客作業：點擊此處跳轉

四、Visual Studio 下 Intel RealSense相機的環境配置

1.Intel RealSense相機的 SDK 的下載

Intel RealSense相機的 SDK 可以在 Intel 官方的 GitHub 上下載：點擊此處跳轉

Windows系統下，點擊下載【紅色框內的 win10 版本】，外網的原因，下載的速度可能會比較慢，可以復制下載鏈接到迅雷；
或者可以下載我上傳 CSDN 的2.42.0版本：點擊此處跳轉
又或者可以下載我百度網盤分享的2.42.0版本：點擊此處跳轉百度網盤分享，提取碼：qudl

2.Intel RealSense相機的 SDK 的安裝

雙擊剛才下載的**【.exe安裝程式】**，一直【Next】，最后【Install】

安裝成功之后桌面會出現這三個圖示

Intel RealSense Viewer和Depth Quality Tool for Intel RealSense Cameras 可以直接被相機呼叫，從而顯示影像，包括深度圖、RGB圖以及魚眼影像等等；Examples for Intel RealSense SDK 2.0：提供了官方例程，

3.Windows系統下 Intel RealSense相機的環境配置

Intel RealSense相機的環境配置類似于 Visual Studio 下 OpenCV 的環境配置

1. 右鍵單擊【此電腦】，點擊左側【高級系統設定】，點擊【環境變數】，雙擊【Path】變數，點擊【新建】，然后再點擊【瀏覽】
   
2. 找到C盤下的 【Intel RealSense SDK2.0】 進行添加，添加成功是這個樣子
   
3. 一定要逐個視窗點擊確定，依次退出，否則環境沒有配置上

4.Visual Studio 下 Intel RealSense相機的環境配置

（1）創建新專案

參考之前的 博客：三、使用 這一部分

（2）配置屬性

1. 單擊 visual studio 上方的【視圖】，在下拉欄里找到【其他視窗】下的【屬性管理器】，并點擊
   

2. 保證左右兩側的對應值相同
   

3. 新建屬性表
   

4. 包含目錄的配置
   雙擊新建的 realsense_opencv_64 屬性表，點擊【通用屬性】，點擊【VC++目錄】,點擊【包含目錄】右側的下拉按鈕，點擊【編輯】

點擊紅色框內的圖示，創建新的一行包含目錄，點擊瀏覽，選擇 C:\Program Files (x86)\Intel RealSense SDK 2.0\include 和 C:\Program Files (x86)\Intel RealSense SDK 2.0\include\librealsense2 這2個路徑進行添加

添加完路徑之后，點擊【確定】

5. 庫目錄的配置
   雙擊新建的 realsense_opencv_64 屬性表，點擊【通用屬性】，點擊【VC++目錄】,點擊【庫目錄】右側的下拉按鈕，點擊【編輯】

點擊紅色框內的圖示，創建新的一行包含目錄，點擊瀏覽，選擇C:\Program Files (x86)\Intel RealSense SDK 2.0\lib\x64 路徑進行添加

6. 附加依賴項的配置

雙擊新建的 realsense_opencv_64 屬性表，點擊【通用屬性】，點擊【聯結器】,點擊【輸入】，點擊【附加依賴項】右側的下拉按鈕，點擊【編輯】

7. 在彈出的對話框中直接手動輸入 realsense2.lib，依次點擊確定退出，
   

五、代碼運行測驗

1.測驗代碼

T265 相機

#include <librealsense2/rs.hpp>
#include <opencv2/opencv.hpp>

int main() {

    rs2::config cfg;// 創建一個配置資訊
    cfg.enable_stream(RS2_STREAM_FISHEYE, 1, RS2_FORMAT_Y8);// Intel T265 相機進行測驗
    cfg.enable_stream(RS2_STREAM_FISHEYE, 2, RS2_FORMAT_Y8);//進行使能，告訴配置資訊，我需要傳感器的影像frame資料
    rs2::pipeline pipe;// 宣告一個realsense傳感器設備
    pipe.start(cfg);

    rs2::frameset data;

    while (1) {
        data = pipe.wait_for_frames();
        rs2::frame image_left = data.get_fisheye_frame(1);
        rs2::frame image_right = data.get_fisheye_frame(2);

        if (!image_left || !image_right)
            break;

        cv::Mat cv_image_left(cv::Size(848, 800), CV_8U, (void*)image_left.get_data(), cv::Mat::AUTO_STEP);
        cv::Mat cv_image_right(cv::Size(848, 800), CV_8U, (void*)image_right.get_data(), cv::Mat::AUTO_STEP);

        cv::imshow("left", cv_image_left);
        cv::imshow("right", cv_image_right);
        cv::waitKey(1);
    }

    return 0;
}

D415 相機

// License: Apache 2.0. See LICENSE file in root directory.
// Copyright(c) 2017 Intel Corporation. All Rights Reserved.
 
#include <librealsense2/rs.hpp> // Include RealSense Cross Platform API
#include <opencv2/opencv.hpp>   // Include OpenCV API
 
int main(int argc, char * argv[]) try
{
	// Declare depth colorizer for pretty visualization of depth data
	rs2::colorizer color_map;
 
	// Declare RealSense pipeline, encapsulating the actual device and sensors
	rs2::pipeline pipe;
	// Start streaming with default recommended configuration
	pipe.start();
 
	using namespace cv;
	const auto window_name = "Display Image";
	namedWindow(window_name, WINDOW_AUTOSIZE);
 
	while (waitKey(1) < 0 )
	{
		rs2::frameset data = pipe.wait_for_frames(); // Wait for next set of frames from the camera
		rs2::frame depth = data.get_depth_frame().apply_filter(color_map);
 
		// Query frame size (width and height)
		const int w = depth.as<rs2::video_frame>().get_width();
		const int h = depth.as<rs2::video_frame>().get_height();
 
		// Create OpenCV matrix of size (w,h) from the colorized depth data
		Mat image(Size(w, h), CV_8UC3, (void*)depth.get_data(), Mat::AUTO_STEP);
 
		// Update the window with new data
		imshow(window_name, image);
	}
 
	return EXIT_SUCCESS;
}
catch (const rs2::error & e)
{
	std::cerr << "RealSense error calling " << e.get_failed_function() << "(" << e.get_failed_args() << "):\n    " << e.what() << std::endl;
	return EXIT_FAILURE;
}
catch (const std::exception& e)
{
	std::cerr << e.what() << std::endl;
	return EXIT_FAILURE;
}
 

2.運行結果

T265 相機

D415 相機