基于OPENMV实现一个单目测速测试

1、测试平台：OpenMV4H7Plus开发板​

        

     

        使用的相机是 MT9V034 相机对应为752x480黑白图像，为全局快门

 2、测速的时候，仅选取最大物体的抓取，这里采用了几个步骤：

        ①、直接计算灰度的帧差

        ②、对帧差进行阈值处理以获取motion mask

        ③、绘制出motion mask的轮廓和边界

        ④、通过与上一帧的坐标位置计算移动的像素速度（可以计算中心的坐标或者边界坐标（当物体过大不在整个相机的视野中有用），这里简单的延时中心坐标）

import sensor, image, time, math

# 初始化摄像头
sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)  # 设置为灰度模式
sensor.set_framesize(sensor.QVGA)       # 设置帧大小
sensor.skip_frames(time = 2000)         # 跳过前2秒的帧

# 初始化定时器
clock = time.clock()

# 捕获若干帧用于计算背景帧(将捕获的图像与当前的背景帧进行混合，更新背景帧)
background_frame = sensor.snapshot().copy()
num_background_frames = 50  # 捕获50帧用于背景计算

for i in range(num_background_frames):
    img = sensor.snapshot()
    background_frame = background_frame.blend(img, alpha=128)

# 初始化前一帧的位置为None
previous_blob = None
previous_time = None

while(True):
    clock.tick()

    # 捕获当前帧
    current_frame = sensor.snapshot()

    # 计算当前帧和背景帧的灰度差
    frame_difference = current_frame.difference(background_frame)

    # 对帧差进行阈值处理，生成运动掩码
    motion_mask = frame_difference.binary([(50, 255)])  # 阈值设置为50

    # 查找运动掩码中的轮廓
    blobs = motion_mask.find_blobs([(50, 255)], pixels_threshold=100, area_threshold=100, merge=True)

    # 如果找到轮廓，查找最大的轮廓
    if blobs:
        largest_blob = max(blobs, key=lambda b: b.pixels())

        # 获取边界框
        x, y, w, h = largest_blob.rect()
        # 在当前帧上绘制边界框
        current_frame.draw_rectangle(x, y, w, h)
        print(f"x: {x}, y: {y}")
        # 绘制中心点
        current_frame.draw_cross(largest_blob.cx(), largest_blob.cy())

        # 计算边框移动速度
        current_time = time.ticks_ms()
        if previous_blob and previous_time:
            dx = largest_blob.cx() - previous_blob.cx()
            dy = largest_blob.cy() - previous_blob.cy()
            dt = time.ticks_diff(current_time, previous_time) / 1000.0  # 时间差转换为秒

            # 计算x和y方向的速度
            speed_x = dx / dt  # x方向速度，单位为像素/秒
            speed_y = dy / dt  # y方向速度，单位为像素/秒

            print("Speed X: %.2f pixels/sec" % speed_x)
            print("Speed Y: %.2f pixels/sec" % speed_y)

        # 更新前一帧的位置和时间
        previous_blob = largest_blob
        previous_time = current_time

    # 显示FPS
    print(clock.fps())

如图所示可以清楚的抓取到目标的边框可以计算出像素位移 

注意：

        1、此算法没有加入滤波算法，请自行添加卡尔曼滤波等算法。 

        2、次算法仅在开始抓取的时候获取了背景图像，因此建议加入动态背景更新的功能。