二維碼識別是視覺模塊經常使用到的功能之一。我們將演示如何使用基于瑞芯微RV1106的LockAI視覺識別模塊進行二維碼識別。

源代碼網址：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/C06_test_qr_code_detector

1. 基本知識講解

1.1 二維碼簡介

二維碼（QR Code）是一種高效的二維條碼，能快速存儲和讀取信息，即使部分損壞也能準確識別。它廣泛應用于移動支付、廣告、物流、票務等領域，用戶只需用智能手機掃描即可獲取信息或完成操作，極大提升了效率和便利性。

1.2 二維碼識別步驟

二維碼識別主要通過兩個步驟完成：圖像捕捉和解碼。

圖像捕捉：使用設備攝像頭拍攝包含二維碼的圖像。

解碼：軟件處理圖像，定位并讀取二維碼中的數據，轉換為原始信息。

常用工具如ZXing和OpenCV支持快速集成到應用中，使用戶能輕松掃描并獲取二維碼信息。

2. C++ API文檔

2.1 QRCodeDetector類

2.1.1 頭文件

#include

作用：用于聲明QRCodeDetector類,使得QRCodeDetector類可以在當前源文件中使用。

2.1.2 構造類對象

lockzhiner_vision_module::QRCodeDetectormodel;

作用：用于實現二維碼識別。

參數說明：

無

返回值：

無

2.1.3 Predict函數

autoresults=model.Predict(input_mat);

作用：QRCodeDetector類中的一個函數，用于實現二維碼識別。

參數說明:

input_mat: 輸入參數，類型為cv::Mat，表示要分析的輸入圖像。

返回值：

返回一個包含二維碼檢測結果的對象集合。每個Result對象包含二維碼的位置信息和解碼后的文本內容。

2.2 Visualize函數

2.2.1 頭文件

#include

作用：用于聲明Visualize函數，使得Visualize函數可以在當前源文件中使用。

2.2.2 結果可視化

lockzhiner_vision_module::Visualize(input_image,output_image,
results);

參數說明：

input_image: 輸入參數，表示原始輸入圖像。

output_image: 輸出參數，用于存儲帶有可視化結果的輸出圖像。

results: 輸入參數，表示二維碼檢測的結果集。每個Result對象包含二維碼的位置信息和解碼后的文本內容。

返回值：

無

3. 綜合代碼介紹

3.1 流程圖

3.2 核心代碼解析

定義檢測模型

lockzhiner_vision_module::QRCodeDetectormodel;

調用攝像頭捕獲圖像

cv::VideoCapturecap;
// 設置攝像頭獲取幀的寬高
cap.set(cv::CAP_PROP_FRAME_WIDTH,640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,480);
cap.open(0);

// wihile循環中的以下代碼用于捕獲圖像幀
cap>>input_mat;
if(input_mat.empty())
{
continue;
}

檢測二維碼

autoresults=model.Predict(input_mat);

3.3 完整代碼實現

#include
#include
#include

#include
#include
#include
#include
#include

usingnamespacestd::chrono;

lockzhiner_vision_module::QRCodeDetectormodel;

intmain()
{
// 初始化 edit 模塊
lockzhiner_vision_module::Editedit;
if(!edit.StartAndAcceptConnection())
{
std::cerr<<"Error: Failed to start and accept connection."<<std::endl;
returnEXIT_FAILURE;
}
std::cout<<"Device connected successfully."<<std::endl;

cv::VideoCapturecap;
// 設置攝像頭獲取幀的寬高
cap.set(cv::CAP_PROP_FRAME_WIDTH,640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,480);
cap.open(0);

if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}

cv::Matinput_mat;

while(true)
{
intread_index=0;
inttime_ms=0;

for(inti=0;i<30;i++)
{
high_resolution_clock::time_pointstart_time=high_resolution_clock::now();
cap>>input_mat;
if(input_mat.empty())
{
continue;
}
// 使用 model 對象的 Predict 方法對輸入圖像進行預測，獲取二維碼檢測結果
autoresults=model.Predict(input_mat);

high_resolution_clock::time_pointend_time=high_resolution_clock::now();
autotime_span=duration_cast<milliseconds>(end_time-start_time);
time_ms+=time_span.count();
read_index+=1;

cv::Matoutput_image;
// 調用 Visualize 函數對原始圖像和檢測結果進行可視化處理，并將結果存儲在 output_image 中
lockzhiner_vision_module::Visualize(input_mat,output_image,results);
edit.Print(output_image);
}

std::cout<<"Frames per second: "<<1000.0/time_ms*read_index<<std::endl;
}

cap.release();
return0;
}

4. 編譯調試

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時以正確連接開發板。

4.2 Cmake介紹

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test_qr_code_detector)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
set(PROJECT_ROOT_PATH"${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})

include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")

# 定義 OpenCV SDK 路徑
set(OpenCV_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR"${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES"${OpenCV_LIBS}")

# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 定義 ZXing SDK 路徑
set(ZXing_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/zxing-cpp-v2.2.1-lockzhiner-vision-module")
set(ZXing_DIR"${ZXing_ROOT_PATH}/lib/cmake/ZXing")
set(ZXing_INCLUDE_DIRS"${ZXing_ROOT_PATH}/include")
find_package(ZXing REQUIRED)
set(ZXing_LIBRARIES"${ZXing_LIBS}")

# 基本圖像處理示例
add_executable(Test-qr_code-detector test_qr_code_detector.cc)
target_include_directories(Test-qr_code-detector PRIVATE
${ZXing_INCLUDE_DIRS}
${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS}
)
target_link_libraries(Test-qr_code-detector PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES}${ZXing_LIBRARIES})
install(
TARGETS Test-qr_code-detector
RUNTIME DESTINATION .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/C06_test_qr_code_detector
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 運行前準備

請確保你已經參考凌智視覺模塊攝像頭部署指南正確下載了凌智視覺模塊圖片傳輸助手。

5.2 運行過程

在凌智視覺模塊輸入以下命令：

chmod777Test-qr_code-detector
./Test-qr_code-detector

5.3 運行效果

6. 總結

通過上述內容，我們成功的實現了一個二維碼識別系統，包括：

獲取并加載包含二維碼的圖像。

進行二維碼的檢測和解碼，返回檢測和解碼后的結果。

可視化包含二維碼圖像的識別結果。