点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
当今时代最令人头疼的事情就是找不到停车位,尤其是找20分钟还没有找到停车位。
根据复杂性和效率的不同,任何问题都具有一个或多个解决方案。目前智能停车系统的解决方案,主要包括基于深度学习实现,以及基于重量传感器、光传感器实现等。
本期我们将一起通过使用摄像头和少量代码来实现最简单的智能停车系统。该解决方案所使用的概念非常简单。它由具有以下两个脚本组成:
1. 选择停车位的坐标并将其保存到文件中。
2. 从文件中获取坐标,并确定该点是否可用。
将该解决方案分成两个脚本的原因是,避免在每次确定是否有可用停车位的时候,就进行停车位的选择。
为了使这一过程尽可能简单,从现在开始,我们将这两个脚本称为selector和detector。
相关依赖
在本文中,我们使用python 3.7.6,但其他版本(例如3.6或3.8)当然也可以使用。首先我们要检查python的版本,我们通过在控制台中编写python –version,即可返回已安装的python版本。
C:\Users\Razvan>python --version
Python 3.7.6
在开始构建该系统依赖项之前,我们可以设置一个虚拟环境。通过以下链接我们可以了解更多有关虚拟环境的信息https://docs.python.org/3.7/tutorial/venv.html。
也可以使用conda创建和管理环境。有关更多信息见https://docs.anaconda.com/anaconda/。
在python中设置完所有内容后, 最重要的依赖关系将是OpenCV库。通过pip将其添加到虚拟环境中,可以运行pip install opencv-python。
要检查所有设置是否正确,我们可以使用以下cv2.__version__命令打印环境中可用的当前OpenCV版本。
(OpenCV) C:\Users\Razvan>python
Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>