Advanced Lane Detection源码解读（三）

最新推荐文章于 2024-03-18 08:38:33 发布

suiyuan2009

最新推荐文章于 2024-03-18 08:38:33 发布

阅读量607

点赞数

分类专栏：自动驾驶文章标签：计算机视觉 opencv python

本文链接：https://blog.csdn.net/suiyuan2009/article/details/104487434

版权

自动驾驶专栏收录该内容

3 篇文章 1 订阅

订阅专栏

1.2.3 透视变换 perspective_transform.py

引入相关的包

import numpy as np
import cv2
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import pickle
from combined_thresh import combined_thresh

定义透视变换函数

def perspective_transform(img):
	"""
	Execute perspective transform
	"""
	img_size = (img.shape[1], img.shape[0])
	# 求解透视变换矩阵所需要的的四个点是怎么找的？
	src = np.float32(
		[[200, 720],
		[1100, 720],
		[595, 450],
		[685, 450]])
	dst = np.float32(
		[[300, 720],
		[980, 720],
		[300, 0],
		[980, 0]])

	m = cv2.getPerspectiveTransform(src, dst)
	m_inv = cv2.getPerspectiveTransform(dst, src)

	warped = cv2.warpPerspective(img, m, img_size, flags=cv2.INTER_LINEAR)
	unwarped = cv2.warpPerspective(warped, m_inv, (warped.shape[1], warped.shape[0]), flags=cv2.INTER_LINEAR)  # DEBUG

	return warped, unwarped, m, m_inv

测试透视变换函数

if __name__ == '__main__':
	img_file = 'test_images/test5.jpg'

	with open('calibrate_camera.p', 'rb') as f:
		save_dict = pickle.load(f)
	mtx = save_dict['mtx']
	dist = save_dict['dist']

	img = mpimg.imread(img_file)
	img = cv2.undistort(img, mtx, dist, None, mtx)

	img, abs_bin, mag_bin, dir_bin, hls_bin = combined_thresh(img)

	warped, unwarped, m, m_inv = perspective_transform(img)

	plt.imshow(warped, cmap='gray', vmin=0, vmax=1)
	plt.show()

	plt.imshow(unwarped, cmap='gray', vmin=0, vmax=1)
	plt.show()

python+opencv图像变换的两种方法：cv2.warpAffine和cv2.warpPerspective

以下转自博客

图像变换的两个方法

# usr/bin/env python
# coding: utf-8

##################### 对图像进行变换（旋转）
# 2018年6月17日07:33:54
import cv2
import numpy as np

# 这里说一下旋转的opencv中为旋转提供的三个要素
# 旋转的中心点（center）
# 旋转角度()
# 旋转后进行放缩
# 我们可以通过cv2.getRotationMatrix2D函数得到转换矩阵

img = cv2.imread('cat.jpg')
rows,cols,_ = img.shape

matrix = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
# 得到变换的矩阵，通过这个矩阵再利用warpAffine来进行变换
# 第一个参数就是旋转中心，元组的形式，这里设置成相片中心
# 第二个参数90，是旋转的角度
# 第三个参数1，表示放缩的系数，1表示保持原图大小

img1 = cv2.warpAffine(img,matrix,(cols,rows))

cv2.imshow('img',img)
cv2.imshow('img1',img1)


##################### 对图像进行变换（三点得到一个变换矩阵）
# 我们知道三点确定一个平面，我们也可以通过确定三个点的关系来得到转换矩阵
# 然后再通过warpAffine来进行变换

img = cv2.imread('dog.jpg')
rows,cols,_ = img.shape

points1 = np.float32([[50,50],[200,50],[50,200]])
points2 = np.float32([[10,100],[200,50],[100,250]])

matrix = cv2.getAffineTransform(points1,points2)

output = cv2.warpAffine(img,matrix,(cols,rows))

cv2.imshow('input',img)
cv2.imshow('output',output)


##################### 对图像进行变换（四点得到一个变换矩阵）
# 进行透视变换
# 可以先用四个点来确定一个3*3的变换矩阵（cv2.getPerspectiveTransform）
# 然后通过cv2.warpPerspective和上述矩阵对图像进行变换

img = cv2.imread('cat.jpg')
rows,cols,_ = img.shape
points1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
points2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

matrix = cv2.getPerspectiveTransform(points1,points2)
# 将四个点组成的平面转换成另四个点组成的一个平面

output = cv2.warpPerspective(img, matrix, (cols, rows))
# 通过warpPerspective函数来进行变换

cv2.imshow('img',img)
cv2.imshow('output',output)
cv2.waitKey()
cv2.destroyAllWindows()

相机前视图转换为鸟视图

参考博客

无相机标定时
通过选取四个点对求取单应性矩阵。
```
M = cv2.getPerspectiveTransform(src, dst)
warped = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0] + 1080))
cv2.getPerspectiveTransform 从四个点对中计算透视变换，返回值为3*3的透视变换矩阵
cv2.warpPerspective 计算透视变换后的图像
```
如何获取四个点对？
现在的目标是将图像由前视图转化为鸟瞰图，根据先验知识，在鸟瞰图下，长方形物体显示出来肯定是长方形，因此，我们只要在前视图中找到一个正方形的物体，并指定他在俯视图中的坐标就可以了，这里有个但是，由于先验信息里面只有矩形这个信息，具体的长宽比什么的，以及实际的大小未知，所以转化到鸟瞰图下并不能反应物体的真实长度。这里怎么定义转化后的坐标要自己把握。
有相机标定时
这个转化就是真实的了，因为知道相机的内参，还有相机的pitch角以及相机距离地面的高度。
matlab里面转的，要标定的参数
https://ww2.mathworks.cn/help/driving/ref/birdseyeview.transformimage.html
可以参考的透视变换
https://github.com/ckirksey3/lane-detection-with-opencv