视觉OpenCV 配置
Raspberry Pi 配置 TensorFlow
OpenCV自主车道导航
import cv2
frame = cv2.imread('/home/pi/DeepCar/driver/data/road1_240x320.png')
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
请注意,我们使用的是 BGR 到 HSV 的转换,而不是 RBG 到 HSV 的转换。 这是因为 OpenCV 由于某些遗留原因,默认将图像读入 BGR(蓝/绿/红)色彩空间,而不是更常用的 RGB(红/绿/蓝)色彩空间。 它们本质上是等效的颜色空间,只是交换了颜色的顺序。
这是通过 OpenCV 提取蓝色并渲染蒙版图像的代码。
lower_blue = np.array([60, 40, 40])
upper_blue = np.array([150, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
检测车道线的边缘
我们需要检测蓝色遮罩中的边缘,以便我们可以有几条不同的线来代表蓝色车道线。
Canny 边缘检测功能是一个功能强大的命令,可以检测图像中的边缘。 在下面的代码中,第一个参数是上一步中的蓝色遮罩。 第二个和第三个参数是边缘检测的下限和上限,OpenCV 建议为 (100, 200) 或 (200, 400),因此我们使用 (200, 400)。
edges = cv2.Canny(mask, 200, 400)
将上述命令放在一起,下面是隔离图像上的蓝色并提取所有蓝色区域边缘的函数。
def detect_edges(frame):
# filter for blue lane lines
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
show_image("hsv", hsv)
lower_blue = np.array([60, 40, 40])
upper_blue = np.array([150, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
show_image("blue mask", mask)
# detect edges
edges = cv2.Canny(mask, 200, 400)
return edges