在树莓派实现单目测距Python+OpenCv（通过颜色提取+轮廓检测提高识别准确率）

最新推荐文章于 2024-07-07 10:48:45 发布

雾起、夜未央

最新推荐文章于 2024-07-07 10:48:45 发布

阅读量1.3w

点赞数 27

文章标签：树莓派单目测距 OpenCV 颜色识别轮廓识别

本文链接：https://blog.csdn.net/qq_30130435/article/details/86601370

版权

一、开发环境

树莓派的操作系统为官网推荐的操作系统Raspbain，摄像头用的是手动调焦的USB网络摄像头，三十万像素。视觉图像处理采用OpenCV-3.4.1，至于如何在树莓派上装OpenCV，请自行百度，推荐链接（树莓派、linux通用）OpenCV3源码方式安装教程（最新3.4.3）_Joeya的博客-CSDN博客

PS:为了给树莓派装上OpenCV的开发环境是个艰难历程，前后花了两天时间，经历了各种坑，树莓派前后共不停的编译了9个小时才成功装上了OpenCV。

二、单目测距实现思路

之前我在网上搜索查询时，大部分教程都采用了轮廓识别的方法进行单目测距的实现，但经实验发现，此方法极易受到复杂环境的干扰，如果要识别的物体的轮廓没有特别明显的特征，或者说背景杂物的轮廓特征比目标物体还要明显，那识别出来的结果肯定不准确，轮廓识别的方法推荐下面链接，建议看懂链接内容后再转回来继续阅读 OpenCV学习笔记（二十一）——简单的单目视觉测距尝试_行歌-CSDN博客_视觉测距

所以，我采用了颜色识别+轮廓检测的办法。先经过颜色识别提取，比如把明显的红色物体提取出来，屏蔽图片内掉其他非红色物体，此时，就大大减少了干扰物，最后再加上轮廓识别方法进行单目测距的计算，颜色提取方法推荐链接，建议看懂链接内容后再转回来继续阅读 python opencv检测并提取目标颜色-Python教程-PHP中文网

我要识别的物体是宽19cm的红旗，有两个好处：一是为方形的，容易进行轮廓计算。二是为鲜艳的红色，方便进行颜色提取。当然可以用其他物品，知道其长宽和RGB值颜色范围就行。

完整代码链接，要点小费哦 https://download.csdn.net/download/qq_30130435/20430599

三、核心代码


def find_marker(Img):
    kernel_4 = np.ones((4,4),np.uint8)#4x4的卷积核
    if Img is not None:#判断图片是否读入
        HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把BGR图像转换为HSV格式
        Lower = np.array([0, 128, 46])
        Upper = np.array([5, 255,  255])    
        mask = cv2.inRange(HSV, Lower, Upper)

        #下面四行是用卷积进行滤波
        erosion = cv2.erode(mask,kernel_4,iterations = 1)
        erosion = cv2.erode(erosion,kernel_4,iterations = 1)
        dilation = cv2.dilate(erosion,kernel_4,iterations = 1)
        dilation = cv2.dilate(dilation,kernel_4,iterations = 1)
        
        target = cv2.bitwise_and(Img, Img, mask=dilation)
        #将滤波后的图像变成二值图像放在binary中
        ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY)
        #在binary中发现轮廓，轮廓按照面积从小到大排列
        (_, cnts, _)=        cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)        
        if cnts==[]:
           return 0
    c= max(cnts, key = cv2.contourArea) 
    return cv2.minAreaRect(c)

#计算距离的方法     
def distance_to_camera(knownWidth, focalLength, perWidth):  
    return (knownWidth * focalLength) / perWidth        
 
def getFocalLength():
    KNOWN_DISTANCE = 102
    KNOWN_WIDTH = 19
    KNOWN_HEIGHT = 8.27
    image = cv2.imread("/home/pi/Pictures/distanceTest.jpeg") 
    marker = find_marker(image)           
    focalLength = (marker[1][0] * KNOWN_DISTANCE) / KNOWN_WIDTH
    return focalLength

def getInches()
    camera = cv2.VideoCapture(0)
    while camera.isOpened():
        (grabbed, frame) = camera.read()
        marker = find_marker(frame)
        inches = distance_to_camera(KNOWN_WIDTH, getFocalLength(), marker[1][0])  
        #获取所拍的红旗至镜头的距离inches