失眠网 > Android双目三维重建：Android双目摄像头实现双目测距

Android双目三维重建：Android双目摄像头实现双目测距

时间：2020-10-01 11:21:17

1.开发版本

2.Android双目摄像头

3.双目相机标定

(1)双目相机标定-Python版

(2)双目相机标定-Matlab版

4.相机参数配置

5.Android 双目测距

(1) 核心算法

(2) JNI C++接口

(3) JNI Java接口

6. Android Demo测试效果

7.双目三维重建项目代码（Android版本）下载

8. 双目三维重建项目代码（C/C++版本）

9. 双目三维重建项目代码（Python版本）

10.参考资料

本篇博文是《双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python》的续作，我们将使用OpenCV C++实现双目测距，并将算法移植到Android系统，实现一个Android版本双目三维重建系统。由于我们只考虑三维重建实现双目测距效果，因而去除了PCL和Open3d库三维显示效果，但依然保留了视差图，深度图等可视化效果，用户可以通过触摸手机屏幕点击图像位置，即可获得对应的世界坐标以及深度距离信息。

从效果来看，Android版本的双目测距和Python版本的效果几乎一致，可以达到准实时的检测效果，基本可以达到工业级别测距精度，可在Android开发板运行，非常适合应用于无人机，智能小车测距避障等场景。

来~先看一下Android版本的Demo效果图（触摸手机屏幕点击图像位置，会显示对应距离信息）：

Android版本的Demo体验：/download/guyuealian/87611878

诚然，网上有很多C++版本双测距的代码，但项目都不是十分完整，而且恢复视差图效果也一般，难以达到商业实际应用，究其原因，主要有下面几个：

双目摄像头质量问题，双目标定存在问题，导致校准误差较大没有使用WLS滤波器对视差图进行滤波，该方法可以极大提高视差图的效果

本篇将着重介绍OpenCV C++项目实现双目测距的过程，关于双目相机标定+双目校正+双目匹配等内容，请查看鄙人另一篇博客《双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python》

【尊重原则，转载请注明出处】/guyuealian/article/details/129762989

更多项目《OpenCV实现双目测距》系列文章请参考：

OpenCV实现双目测距（Python版本）双目三维重建系统(双目标定+立体校正+双目测距+点云显示)PythonOpenCV实现双目测距（C/C++版本）OpenCV C++双目三维重建：双目摄像头实现双目测距OpenCV实现双目测距（Android版本）/guyuealian/article/details/129762989

1.开发版本

Android SDK,NDK，Jave等版本信息，请参考：

项目开发需要依OpenCV库，同时也需要用到opencv_contrib库

opencv 4.5.3opencv_contrib 4.5.3

Android项目源码，已经配置好了opencv，无需重新下载和配置

2.Android双目摄像头

开发前，你需要准备有一台Android系统的双目摄像头，要求如下

从双目三维重建原理中可知，左右摄像头的成像平面尽可能在一个平面内，成像平面不在同一个平面的，尽管可以立体矫正，其效果也差很多。双目摄像头必须是同一个平面，不能一个前置摄像头，一个后置摄像头（代码层面可以分为前置和后置摄像头，但实物机器必须同时前置或者同时后置）基线不太建议太小，作为测试，一般baseline在3~9cm就可以满足需求，有些无人车的双目基线更是恐怖到1~2米长一分钱，一分货，相机的质量好坏，直接决定了你的成像效果双目摄像头必须重新标定获得双目相机内外参数信息，然后编辑源码，修改为自己双目相机的相机参数

3.双目相机标定

注意，Android版本的双目三维重建系统的源码，不涉及双目标定的相关内容，如果那你需要适配自己的手机双目摄像头，你需要重新标定，详细步骤参考如下：

(1)双目相机标定-Python版

请参考鄙人另一篇博客，无需Matlab，即可进行相机标定：双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python

该方法双目标定完成后，会得到一个双目相机内外参数信息(stereo_cam.yml)文件:

%YAML:1.0---size: !!opencv-matrixrows: 2cols: 1dt: ddata: [ 640., 480. ]K1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6159209686584518e+02, 0., 3.2031427422505453e+02, 0.,7.6167321445963728e+02, 2.2467546927337131e+02, 0., 0., 1. ]D1: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.4834574885170888e-02, -5.5261651661983137e-02,5.7491952731614823e-04, -4.2764224824172658e-05,1.8477350140315381e-02 ]K2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6327773941976670e+02, 0., 2.8768149948082271e+02, 0.,7.6350419442870850e+02, 2.1897333598636970e+02, 0., 0., 1. ]D2: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.5020972475517692e-02, -4.0770660841280497e-02,-4.4231087565750534e-04, -1.0552562170995372e-03,-9.7749906830348537e-02 ]R: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9999370552351063e-01, 7.8563885326366346e-04,3.4600122760633780e-03, -7.9503151737356746e-04,9.9999600079883766e-01, 2.7140949167922721e-03,-3.4578661403601796e-03, -2.7168286517956050e-03,9.9999033095517087e-01 ]T: !!opencv-matrixrows: 3cols: 1dt: ddata: [ -6.0005833133148414e+01, 1.7047017063672587e-01,6.0300223404957642e-01 ]E: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -1.1005724987007073e-04, -6.0346296076620343e-01,1.6883191705475561e-01, 3.9550629985097430e-01,-1.6255182474732952e-01, 6.0007339329190145e+01,-1.2276256904913259e-01, -6.0005727085740176e+01,-1.6345135556766910e-01 ]F: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -6.7250769136371160e-10, -3.6870834234286016e-06,1.6143104894409041e-03, 2.4160347372858321e-06,-9.9287680075344234e-07, 2.7862421257891157e-01,-1.1014218394645766e-03, -2.7856049650040260e-01, 1. ]R1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9997618806974742e-01, -2.0278309638726887e-03,-6.5963016213173775e-03, 2.0367881225372914e-03,9.9999701250432615e-01, 1.3514719999064883e-03,6.5935413581266105e-03, -1.3648750875444691e-03,9.9997733090723306e-01 ]R2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9994547731576255e-01, -2.8407384289991728e-03,-1.0048512373976153e-02, 2.8270879178959596e-03,9.9999506202764499e-01, -1.3724045434755307e-03,1.0052361397026631e-02, 1.3439216883706559e-03,9.9994857062992937e-01 ]P1: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e+02, 0., 3.1126281356811523e+02, 0., 0.,7.3741438842621210e+02, 2.2189782714843750e+02, 0., 0., 0., 1.,0. ]P2: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e+02, 0., 3.1126281356811523e+02,-4.4251577456670653e+04, 0., 7.3741438842621210e+02,2.2189782714843750e+02, 0., 0., 0., 1., 0. ]Q: !!opencv-matrixrows: 4cols: 4dt: ddata: [ 1., 0., 0., -3.1126281356811523e+02, 0., 1., 0.,-2.2189782714843750e+02, 0., 0., 0., 7.3741438842621210e+02, 0.,0., 1.6664137886344466e-02, 0. ]

参数说明：

参数size，对应图像宽高(width,height)参数K1，对应左目相机内参矩阵(3×3)参数D1，对应左目相机畸变系数矩阵(5×1)参数K2，对应右目相机内参矩阵(3×3)参数D2，对应右目相机畸变系数矩阵(5×1)参数T，对应双目相机平移向量T(3×1)参数R，对应双目相机旋转矩阵R(3×3)至于配置文件中的参数,如R1, R2, P1, P2, Q这些重投影矩阵，可默写即可，不用修改，这些在运行时，会重新计算。

(2)双目相机标定-Matlab版

网上已经存在很多Matlab双目相机标定的教程，请自行百度哈；使用Matlab工具箱进行双目相机标定后，请对应参数进行修改

需要注意的是：旋转矩阵R是(3×3)二维矩阵，而Matlab给出的是旋转向量om(1×3)，请使用cv2.Rodrigues()将旋转向量转为旋转矩阵，参考下面的代码进行转换

import cv2import numpy as np# 定义旋转矩阵R，旋转向量omR = [[9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03],[-7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03],[-3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01]]R = np.asarray(R)print(f"旋转矩阵R:\n {R}")# 把旋转矩阵R转化为旋转向量omom, _ = cv2.Rodrigues(R)print(f"旋转向量om:\n {om}")# 把旋转向量om转换为旋转矩阵RR1, _ = cv2.Rodrigues(om)print(f"旋转矩阵R1:\n {R1}")

4.相机参数配置

双目相机标定完成后，得到了相机内外参数信息根据自己相机参数，修改项目app/src/main/cpp/src/stereo_reconstruct.h文件下面C++代码中，定义了双目相机CameraParam变量camera1，用户需要根据自己的双目相机，修改对应的相机内外参数。

/*** 双目摄像头的相机参数*/struct CameraParam {int width; //图像的宽度widthint height;//图像的高度heightMat cameraMatrixL; //左相机内参K1(3×3)Mat distCoeffL;//左相机畸变系数D1(5×1)Mat cameraMatrixR; //右相机内参K2(3×3)Mat distCoeffR;//右相机畸变系数D2(5×1)Mat T;//平移向量T(3×1)Mat R;//旋转矩阵R(3×3)，如果是(3×1)旋转向量，请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R};/**** 设置摄像头参数，需要根据双目摄像头标定结果进行填写*/static CameraParam camera1 = {640,//width480,//height(Mat_<double>(3, 3)<< 7.6159209686633153e+02, 0., 3.2031427422691633e+02, 0., 7.6167321446015626e+02, 2.2467546926913309e+02, 0., 0., 1.),//cameraMatrixL(Mat_<double>(5, 1)<< 3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL(Mat_<double>(3, 3)<< 7.6327773983796783e+02, 0., 2.8768149776326379e+02, 0., 7.6350419482215057e+02, 2.1897333669573928e+02, 0., 0., 1.),(Mat_<double>(5, 1)<< 3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),(Mat_<double>(3, 1)<< -6.0005833075452117e+01, 1.7047023105446815e-01, 6.0300273851103448e-01),(Mat_<double>(3, 3)<< 9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),};

5.Android 双目测距

Android OpenCV版本的双目测距与Python版本双目测距的效果几乎一致，基本可以达到工业级别测距精度。由于我们只考虑三维重建实现双目测距效果，因而去除了PCL和Open3d库三维显示效果，但依然保留了视差图，深度图等可视化效果，用户可以通过触摸手机屏幕点击图像位置，即可获得对应的世界坐标以及深度距离信息。

(1) 核心算法

Android版本的双目测距算法，核心代码都使用C++开发，上层应用Java部分通过JNI调用opencv C++算法，函数接口声明，都已经给出了详细的参数说明，为了方便大家学习，函数命名和实现逻辑与Python版本的几乎一致：

这是C++核心算法部分函数定义

//// Created by 390737991@ on /10/6.//#ifndef CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H#define CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;static cv::Mat xyz_coord;//用于存放每个像素点距离相机镜头的三维坐标static cv::Point start; //鼠标按下的起始点static cv::Rect buttonRect; //定义矩形选框static bool buttonStatus = false; //是否选择对象/*** 双目摄像头的相机参数*/struct CameraParam {int width; //图像的宽度widthint height;//图像的高度heightMat cameraMatrixL; //左相机内参K1(3×3)Mat distCoeffL;//左相机畸变系数D1(5×1)Mat cameraMatrixR; //右相机内参K2(3×3)Mat distCoeffR;//右相机畸变系数D2(5×1)Mat T;//平移向量T(3×1)Mat R;//旋转矩阵R(3×3)，如果是(3×1)旋转向量，请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R};/**** 设置摄像头参数，需要根据双目摄像头标定结果进行填写*/static CameraParam camera1 = {640,//width480,//height(Mat_<double>(3, 3)<< 7.6159209686633153e+02, 0., 3.2031427422691633e+02, 0., 7.6167321446015626e+02, 2.2467546926913309e+02, 0., 0., 1.),//cameraMatrixL(Mat_<double>(5, 1)<< 3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL(Mat_<double>(3, 3)<< 7.6327773983796783e+02, 0., 2.8768149776326379e+02, 0., 7.6350419482215057e+02, 2.1897333669573928e+02, 0., 0., 1.),(Mat_<double>(5, 1)<< 3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),(Mat_<double>(3, 1)<< -6.0005833075452117e+01, 1.7047023105446815e-01, 6.0300273851103448e-01),(Mat_<double>(3, 3)<< 9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),};#ifdef PLATFORM_ANDROIDstatic void onMouse(int event, int x, int y, int, void *) {}static void show_image(const string &winname, cv::Mat &image, int delay = 0, int flags = cv::WINDOW_AUTOSIZE) {}static bool get_video_capture(string video_file, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {return true;}static bool get_video_capture(int camera_id, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {return true;}#else/**** 鼠标响应回调函数* @param event* @param x* @param y*/static void onMouse(int event, int x, int y, int, void *) {if (buttonStatus) {buttonRect.x = MIN(x, start.x);buttonRect.y = MIN(y, start.y);buttonRect.width = std::abs(x - start.x);buttonRect.height = std::abs(y - start.y);}switch (event) {case EVENT_LBUTTONDOWN: //鼠标左按钮按下的事件start = Point(x, y);buttonRect = Rect(x, y, 0, 0);buttonStatus = true;cout << "image(x,y)=" << start;cout << " world coords=(x,y,depth)=" << xyz_coord.at<Vec3f>(start) << endl;break;case EVENT_LBUTTONUP://鼠标左按钮释放的事件buttonStatus = false;if (buttonRect.width > 0 && buttonRect.height > 0)break;}}/**** 显示图像* @param winname 窗口名称* @param image 图像* @param delay 显示延迟，0表示阻塞显示* @param flags 显示方式*/static void show_image(const string &winname, cv::Mat &image, int delay = 0, int flags = cv::WINDOW_AUTOSIZE) {cv::namedWindow(winname, flags);cv::imshow(winname, image);cv::waitKey(delay);}/**** 读取视频文件* @param video_file 视频文件* @param cap 视频流对象* @param width 设置图像的宽度* @param height 设置图像的高度* @param fps 设置视频播放频率* @return*/static bool get_video_capture(string video_file, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {//VideoCapture video_cap;cap.open(video_file);if (width > 0 && height > 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置图像的高度}if (fps > 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened())//判断是否读取成功{return false;}return true;}/**** 读取摄像头* @param camera_id 摄像头ID号，默认从0开始* @param cap 视频流对象* @param width 设置图像的宽度* @param height 设置图像的高度* @param fps 设置视频播放频率* @return*/static bool get_video_capture(int camera_id, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {//VideoCapture video_cap;cap.open(camera_id); //摄像头ID号，默认从0开始if (width > 0 && height > 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置捕获图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置捕获图像的高度}if (fps > 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened()) //判断是否成功打开相机{return false;}return true;}#endifclass StereoReconstruct {public:/**** 构造函数，初始化StereoReconstruct* @param camera 双目相机参数* @param use_wls 是否使用WLS滤波器对视差图进行滤波* @param vis 是否显示*/StereoReconstruct(CameraParam camera, bool use_wls = true, bool vis = false);/**** release*/~StereoReconstruct();/**** 开始双目测距任务* @param frameL* @param frameR*/void task(Mat frameL, Mat frameR, int delay = 0);/**** 畸变校正和立体校正* @param imgL 左视图* @param imgR 右视图* @param rectifiedL 校正后左视图* @param rectifiedR 校正后右视图*/void get_rectify_image(Mat &imgL, Mat &imgR, Mat &rectifiedL, Mat &rectifiedR);/**** 获得视差图* @param imgL 畸变校正和立体校正后的左视图* @param imgR 畸变校正和立体校正后的右视图* @param dispL 返回视差图* @param use_wls 是否使用WLS滤波器对视差图进行滤波*/void get_disparity(Mat &imgL, Mat &imgR, Mat &dispL, bool use_wls = true);//SGBM匹配算法/**** 计算像素点的3D坐标（左相机坐标系下）* @param disp 视差图* @param points_3d 返回三维坐标points_3d，三个通道分布表示(X,Y,Z)，其中Z是深度图depth, 即距离,单位是毫米(mm)* @param scale 单位变换尺度,默认scale=1.0,单位为毫米*/void get_3dpoints(Mat &disp, Mat &points_3d, float scale = 1.0);/**** 将输入深度图转换为伪彩色图，方面可视化* @param depth* @param colormap*/void get_visual_depth(cv::Mat &depth, cv::Mat &colormap, float clip_max = 6000.0);/**** 显示矫正效果* @param rectifiedL* @param rectifiedR*/void show_rectify_result(cv::Mat rectifiedL, cv::Mat rectifiedR);/**** 可视化视差图和深度图* @param frameL* @param frameR* @param points_3d* @param disp* @param delay*/void show_2dimage(Mat &frameL, Mat &frameR, Mat &points_3d, Mat &disp, int delay);/**** 显示Mat的最大最小值* @param src* @param vmin 最小值下限* @param vmax 最大值下限*/void clip(cv::Mat &src, float vmin, float vmax);/**** 显示Mat的最大最小值* @param src* @param th* @param vmin*/void clip_min(cv::Mat &src, float th, float vmin);public:string depth_windows = "depth-color"; // 深度图的窗口名称int vis; // 是否可视化int use_wls; // 是否使用WLS滤波器对视差图进行滤波Size image_size; // 图像宽高(width,height)Rect validROIL;// 图像校正之后，会对图像进行裁剪，这里的左视图裁剪之后的区域Rect validROIR;// 图像校正之后，会对图像进行裁剪，这里的右视图裁剪之后的区域Mat mapLx, mapLy, mapRx, mapRy; // 映射表Mat Rl, Rr, Pl, Pr, Q; // 校正后的旋转矩阵R，投影矩阵P, 重投影矩阵QMat dispL;// 视差图(CV_32F)Mat disp_colormap; // 视差图可视化图(CV_8UC3)Mat depth;// 深度图(CV_32F)Mat depth_colormap; // 深度图可视化图(CV_8UC3)Mat points_3d;// 世界坐标图(CV_32F)cv::Ptr<cv::StereoSGBM> sgbm;};#endif //CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H

(2) JNI C++接口

#include <jni.h>#include <string>#include <fstream>#include "src/stereo_reconstruct.h"#include "android_utils.h"#include "debug.h"#include "opencv2/opencv.hpp"StereoReconstruct *stereo = nullptr;JNIEXPORT jint JNI_OnLoad(JavaVM *vm, void *reserved) {return JNI_VERSION_1_6;}JNIEXPORT void JNI_OnUnload(JavaVM *vm, void *reserved) {}extern "C"JNIEXPORT void JNICALLJava_com_cv_binocular_reconstruct_StereoReconstruct_init(JNIEnv *env, jclass clazz, jboolean use_wls) {CameraParam camera = camera1;//双目相机参数(请根据自己双目相机标定结果进行修改)//bool use_wls = true; //是否使用WLS滤波器对视差图进行滤波stereo = new StereoReconstruct(camera, use_wls, false);}extern "C"JNIEXPORT void JNICALLJava_com_cv_binocular_reconstruct_StereoReconstruct_reBuild(JNIEnv *env, jclass clazz, jobject bitmapL,jobject bitmapR,jobject disp_colormap,jobject depth_colormap) {Mat frameL; // 左视图Mat frameR; // 右视图BitmapToMatrix(env, bitmapL, frameL);BitmapToMatrix(env, bitmapR, frameR);stereo->task(frameL, frameR, 0);MatrixToBitmap(env, stereo->disp_colormap, disp_colormap); //视差图可视化图(CV_8UC3)MatrixToBitmap(env, stereo->depth_colormap, depth_colormap);//视差图可视化图(CV_8UC3)LOGW("frameL : (%d,%d)", frameL.cols, frameL.rows);LOGW("disp_colormap : (%d,%d)", stereo->disp_colormap.cols, stereo->disp_colormap.rows);LOGW("depth_colormap : (%d,%d)", stereo->depth_colormap.cols, stereo->depth_colormap.rows);}extern "C"JNIEXPORT jobject JNICALLJava_com_cv_binocular_reconstruct_StereoReconstruct_getWorld(JNIEnv *env, jclass clazz, jint x,jint y) {cv::Vec3f point = stereo->points_3d.at<Vec3f>(Point(x, y));float cx = point[0];float cy = point[1];float cz = point[2];LOGW("image(x,y)=[%d,%d] world=(x,y,depth)=[%3.2f,%3.2f,%3.2f]mm", x, y, cx, cy, cz);auto cls_point = env->FindClass("com/cv/binocular/reconstruct/Point3d");auto init_id = env->GetMethodID(cls_point, "<init>", "(FFF)V");env->PushLocalFrame(1);jobject obj = env->NewObject(cls_point, init_id, cx, cy, cz);obj = env->PopLocalFrame(obj);return obj;}

(3) JNI Java接口

package com.cv.binocular.reconstruct;import android.graphics.Bitmap;public class StereoReconstruct {static {System.loadLibrary("binocular_wrapper");}/**** 初始化* @param use_wls 是否使用WLS滤波器对视差图进行滤波*/public static native void init(boolean use_wls);/**** 进行双目三维重建* @param frameL: 输入左视图* @param frameR：输入右视图* @param disp_colormap：输出视差图可视化图* @param depth_colormap：输出深度图可视化图* @return*/public static native void reBuild(Bitmap frameL, Bitmap frameR, Bitmap disp_colormap, Bitmap depth_colormap);/**** 将图像坐标映射为世界坐标(world coordinate)* @param x 输入图像像素坐标x* @param y 输入图像像素坐标y* @return Point3d世界坐标(x, y, z)，其中z为深度距离*/public static native Point3d getWorld(int x, int y);}

6. Android Demo测试效果

Android版本双目测距Demo源码提供图片，视频和摄像头三种方式测试

Android Demo图片测试：项目资源（src/main/assets）自带一对左右视图的测试图片，你需要将测试图片拷贝到你的手机，然后在Demo APP点击【图片】打开图片即可；如果你想测试自己的图片，请将左视图文件命名为left***.png，右视图文件命名为right***.png，否则不能正常加载左右视图。图片格式支持jpg,png等多种格式Android Demo视频测试：项目资源（src/main/assets）自带一对左右视图的视频文件，你需要将测试视频拷贝到你的手机，然后在Demo APP点击【视频】打开视频即可；如果你想测试自己的视频，请将左视图视频文件命名为left***.mp4，右视图视频文件命名为right***.mp4，否则不能正常加载左右视图。视频格式支持mp4,avi等多种格式Android Demo摄像头测试：需要Android设备支持两个摄像头，源码部分cameraL = 0对应前置摄像头，cameraR = 1对应后置摄像头，仅作为Android手机测试使用；真实Android手机，双目摄像头必须要同一平面上。

Android版本的Demo效果图（触摸手机屏幕点击图像位置，会显示对应距离信息）：