记录：我的第一代深度图像物体识别

刚开始学习Kinect，第一步选择学习深度图像的相关知识，第一个任务是给单片机传输目标位置数据，引导机器能够正确“抓”到目标。这篇文章会分为两部分，第一部分是没有物体识别的，第二部分是加上了物体识别的。

工具：
（1）C++及visual studio 2013
（2）opencv工具库
（3）PCOMM通信工具

我们都知道，如果只获取深度图像，会根据周围环境存在不同程度的噪点，影响图像数据的准确，所以最好的方法就是切割可视域，这里我的可视域还是一个长方体（确定左上角和右下角两点的坐标决定一个矩形，后通过深度决定长度），之后会考虑如何切割球体或者一些不规则的空间形状。

切割过程中，首先考虑的是那些可能超出了$Kinect$的深度数据获取范围的物体数据，这些位置的数据会为0，如果没有处理就照常规处理数据就会造成很多未知的错误，在这个任务中，最明显的就是摄像头坐标系中$x$,$y$轴的值的计算，具体可以参考我的上一篇文章。在获得图像数据后，目前我使用的是遍历整个图像的像素点，第一步就要提供一个每个像素点是否置0的标志位，这里置0有两种可能，无数据或者空间坐标系中的坐标超出我的切割范围；第二步，通过像素转毫米的公式获得$x$,$y$轴组成的平面的相应的坐标以及距离数据，然后进入选择是否在切割范围内的分支，如果该点在指定$x$,$y$范围内，继续判断是否在深度范围内，如果不在，将通过