优达无人驾驶入门——交通信号灯分类器

最新推荐文章于 2024-08-14 18:27:38 发布

xxxy502

最新推荐文章于 2024-08-14 18:27:38 发布

阅读量3.8k

点赞数 1

分类专栏：无人驾驶文章标签：无人驾驶红绿灯识别优达学城 HSV

本文链接：https://blog.csdn.net/xxxy502/article/details/80311396

版权

该博客介绍了如何使用计算机视觉技术建立交通信号灯分类器，重点在于将RGB图像转换为HSV颜色空间并提取亮度特征。作者在优达学城学习无人驾驶，并分享了预处理、特征提取和分类的过程，确保不会将红灯错误地分类为绿灯。

摘要由CSDN通过智能技术生成

这是我第一次写博客，有我解释不清楚或者不懂的地方欢迎随时提问。

本人是在读研一学生一枚，想从事与无人驾驶方面，但学校导师没有人从事无人驾驶方面，

所以目前在优达学城学无人驾驶，如有喜欢无人驾驶方面的人希望可以一起学习交流。

下面是项目的大概总结：在这个项目中，你将使用计算机视觉技术的知识为交通信号灯图像建立一个分类器！你会获得一个交通信号灯图像数据集，里面包含三种交通信号灯，即红灯、黄灯或绿灯，其中，三分之一的灯是亮起的。

下面正式开始！

1. 加载交通信号灯数据集，并将其可视化

我是在jupyter notebook环境下编程的，首先是导入必要的库和资源

import cv2 
import helpers 

import random
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg # for loading in images

%matplotlib inline

读取图片

IMAGE_DIR_TRAINING = "traffic_light_images/training/"
IMAGE_DIR_TEST = "traffic_light_images/test/"
IMAGE_LIST = helpers.load_dataset(IMAGE_DIR_TRAINING)

可视化数据：分析任何一个数据集的前两个步骤都是：1.加载数据；2.查看数据。看一看这些数据，你就会知道要在图像中寻找什么，需要处理什么样的噪音或不一致性等。这可以帮助你了解图像数据集，并且明白了解数据集是对数据进行预测的一部分。

这是是显示出红灯和黄灯，可以自行修改数值来查看图片。

yellow_image = IMAGE_LIST[750][0]
print("yellow_image.shape = ",yellow_image.shape)
plt.subplot(121)
plt.title("yellow image")
plt.imshow(yellow_image)

selected_image = IMAGE_LIST[0][0]
print("red_image.shape = ",IMAGE_LIST[0][0].shape)
plt.subplot(122)
plt.title("red image")
plt.imshow(selected_image)
plt.show()

yellow_image.shape =  (47, 21, 3)
red_image.shape =  (60, 27, 3)

2. 预处理数据

这里我们把图片都变为32*32的格式

def standardize_input(image):
    
    ## TODO: Resize image and pre-process so that all "standard" images are the same size  
    standard_im = np.copy(image)
    sta