《红外激光键盘的原理总结》由会员分享，可在线阅读，更多相关《红外激光键盘的原理总结（14页珍藏版）》请在金锄头文库上搜索。
1、而且现在有了强大的opencv图像处理库，实现这样的虚拟激光投射键盘变得易如反掌。投影键盘的基本原理。键盘由三个主要部件组成：摄像头、键盘图案投射器、一字线性感应 激光头。见下图：How Magic CubeWorksProtector血申#厂1R IpqiIiLLayout Plane图上从上到下分别是键盘图案投射器、摄像头、一字线性感应激光头。当然，摄像头放在键盘图案投射器上面也是可以的，比如。1. 键盘图案投射器在平坦的桌面投出清晰键盘图案2. 最底下的一字线性激光（一般采用红外线的，这样眼睛不可见）发出一字型激光，平行于桌面射出，这样如果手指有按键活动，会在手指上形成激光光斑3. 摄像
2、头捕获激光光斑，对应于键盘图案映射的位置，就可以知道哪些键被按下OK,原理很简单，剩下的关键就是摄像头的图像处理算法了，而且现在有了ope ncv,实现也不是难事。这里说一下实现方法。可见先语wvvvwvwwx热隧可见光的比例增大由于人眼对激光的反应不一样，780nm-808nm的激光人眼不敏感，可看到微弱的一丝红光。850nm至1064nm波长人眼不可见，通过红外感光仪器等专业设备可以看到，其中 808-850nm通过摄像头可以看到。980-1064nm通过倍频片可以看到。所以我在网上买了一个808nm-810nm红外一字线激光器。这样配上滤光片，可以滤去绝 大多数其他波长的杂光，只剩下红外
3、激光的光斑。这样做的好处是减少干扰，增加键盘的可靠性，而且使算法处理更加简单有效。加上前面的650nm虚拟键盘激光组件，总共也就花了 100块钱左右。25mw 808nm-810nm 红外一字线激光器 激光头直径18mm可见光截止400-750nm滤光片，800-1000nm高透在摄像头上看到的红外激光光斑投射到手指的图像如下图：对于光斑的跟踪我找了个现成的opencv扩展库cvblob，具体可以参考它的文档和例子，google code 上有这个项目的托管。待会儿会奉上代码。cvblob可以跟踪多个光斑，所以很容易就可以实现ctrl+alt+delete之类 的组合键。再来两张键盘图：顺便说
4、一句，本文中的摄像头放的位置只能捕捉到部分键盘图像，所以 demo 只是演示了部 分键盘的按键。不过丝毫不影响原理介绍。如果要获得全部键盘图像，或者去买一个广角的摄像头，或者把这个摄像头位置提高，不是什么难事。时间有限，不想折腾了。代码：#include #include #include opencv/cv.h#include opencv/highgui.h#include cvblob.husing namespace cvb;typedef struct keychar c;int x0;int y0;int x1;int y1;key g_keymap =4,525,350,588,
5、419,5,442,345,504,414,6,360,339,422,408,7,277,332,342,404,8,198,327,259,399,9,121,320,174,389,0,41, 318,94, 383,E,528,274,590,337,R,443,267,507,332,T,359,263,428,327,Y,280,259,344,321,U,199,251,261,315, I,119,246,179,307, O,41, 240,96, 301, D,504,203,567,259, F,424,199,489,257, G,348,194,410,251, H,
6、266,187,329,245, J,192,183,251,241, K,117,178,171,236, L,42 ,174,92, 229, X,543,144,605,197, C,467,139,530,191, V,392,135,457,190, B,316,128,377,181, N,242,124,299,176, M,171,118,225,172, ,26, 108,73, 159, _,182,62, 531,127, ;int g_key_num = sizeof(g_keymap)/sizeof(key);int main()CvTracks tracks;cvN
7、amedWindow(red_object_tracking, CV_WINDOW_AUTOSIZE);CvCapture *capture = cvCaptureFromCAM(0);cvGrabFrame(capture);IplImage *img = cvRetrieveFrame(capture);CvSize imgSize = cvGetSize(img);IplImage *frame = cvCreateImage(imgSize, img-depth, img-nChannels);IplConvKernel* morphKernel = cvCreateStructuri
8、ngElementEx(5, 5, 1, 1,CV_SHAPE_RECT, NULL);/unsigned int frameNumber = 0;unsigned int blobNumber = 0;bool quit = false;while (!quit&cvGrabFrame(capture)IplImage *img = cvRetrieveFrame(capture);cvConvertScale(img, frame, 1, 0);IplImage *segmentated = cvCreateImage(imgSize, 8, 1);/ Detecting red pixe
9、ls:/ (This is very slow, use direct access better.)for (unsigned int j=0; jimgSize.height; j+)for (unsigned int i=0; i0.2+g)&(r0.2+b);/ cvSet2D(segmentated, j, i, CV_RGB(f, f, f);if(b0.4 | g0.4 | r0.4)cvSet2D(segmentated, j, i, CV_RGB(255, 255, 255);elsecvSet2D(segmentated, j, i, CV_RGB(0, 0, 0);cvM
10、orphologyEx(segmentated, segmentated, NULL, morphKernel, CV_MOP_OPEN, 1); cvShowImage(segmentated, segmentated);IplImage *labelImg = cvCreateImage(cvGetSize(frame), IPL_DEPTH_LABEL, 1);CvBlobs blobs;unsigned int result = cvLabel(segmentated, labelImg, blobs); cvFilterByArea(blobs, 500, 1000000);cvRe
11、nderBlobs(labelImg, blobs, frame, frame, CV_BLOB_RENDER_BOUNDING_BOX) cvUpdateTracks(blobs, tracks, 200., 5);cvRenderTracks(tracks, frame, frame, CV_TRACK_RENDER_ID|CV_TRACK_RENDER_BOUNDING_BOX);cvShowImage(red_object_tracking, frame);/ print keyfor (CvTracks:const_iterator it=tracks.begin(); it!=tr
12、acks.end(); +it)int xx = (int)it-second-centroid.x;int yy = (int)it-second-centroid.y;/std:cout xx , yy std:endl;for(int i=0; i g_keymap.x0 &xx g_keymapi.y0 &yy g_keymapi.y1)std:cout g_keymapi.c std:endl;break; cvReleaseImage(&labelImg);cvReleaseImage(&segmentated);char k = cvWaitKey(10)&0xff;switch
13、 (k)case 27:case q:case Q:quit = true;break;case s:case S:for (CvBlobs:const_iterator it=blobs.begin(); it!=blobs.end(); +it) std:stringstream filename;filename redobject_blob_ std:setw(5) std:setfill(0) blobNumber second);blobNumber+;std:cout filename.str() saved! std:endl;break;cvReleaseBlobs(blobs);/frameNumber+;cvReleaseStructuringElement(&morphKernel);cvReleaseImage(&frame);cvDestroyWindow(red_object_tracking
