通过aruco码定位实现红绿灯检测（一）

通过aruco码定位实现红绿灯检测（一）

---

前言

红绿灯检测属于小物体检测问题，虽然跟交通标志牌类似，都属于静态物体检测，但红绿灯的状态是实时发生变化的，这提升了检测的难度。所以我们根据识别到的aruco码进行划定区域。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、aruco码是什么？

姿态估计（Pose estimation）在计算机视觉领域扮演着十分重要的角色： 机器人导航、增强现实等。这一过程的基础是找到现实世界和图像投影之间的对应点。最为流行的一个途径是基于二进制平方的标记，它可以提供四个角来获取相机的信息，内部的二进制编码允许应用错误检测及校正。

aruco库是检测二进制marker的非常流行的库,可根据图像和激光雷达参数的3D点云实现2D和3D的匹配，找到至少4个二维像素和3D点云点的对应点，根据这四组对应点和相机内外参数估计相机姿态。

# 解算位姿的函数
def CalculatePositon(Point3D, Point2D, K):
	''''''
	Dis = np.array([0,0,0,0,0.])
	Point3D = Point3D  # 去中心化
	ret, RvecW2C, tW2C = cv2.solvePnP(Point3D, Point2D, K, Dis)  # 解算位姿
	RW2C = cv2.Rodrigues(RvecW2C)[0]
	# RC2W = np.linalg.inv(RW2C)
	tC2W = -np.linalg.inv(RW2C).dot(tW2C)
	New_tC2W = tC2W.flatten()  # 相机在世界坐标系下的坐标
	CamPosition = -RW2C.dot(New_tC2W)   # 世界坐标系在相机坐标系下的坐标
	return CamPosition

def DealMarker(Img, K, Show = False):
	CamPosition = []
	MarkerROI = None
	Corners, IDs, _ = aruco.detectMarkers(Img, dict)
	if len(Corners) == 2:  # 如果检测点
		Point3D = np.empty((0, 3))
		Point2D = np.empty((0, 2