Python-opencv之目標定位
阿新 • • 發佈：2019-01-29
最近團隊準備參加一個無人機比賽，大致的規則是這樣的：固定翼飛機從跑道起飛，然後在空中轉體360°，通過GPS粗定位飛行至一個高13米左右，寬6米左右八字形框前（距離約50米左右），這時依靠計算機視覺的方法，讓飛機準確的穿過去。（之後還有其他的動作，但是第一步大體就是這樣）。
初步的方案：①通過機載攝像機獲取影象序列
②選取關鍵幀進行處理，獲得框的中心點影象座標
③將框的中心點影象座標與影象中心座標進行比較，將偏差資訊反饋給控制系統，使其自動調節
關鍵點：如何準確地定位目標框，並提取出框中心點影象座標。
——————————————————————————————————————————————
以下是一個比較簡單的實現方案：
通過顏色提取出大致區域->形態學處理->輪廓提取->利用輪廓大小關係找到目標框->獲得中心點資訊並比較反饋
程式碼部分：
# coding:UTF-8 import cv2 import numpy as np class Detect: def __init__(self, path): # 原始影象資訊 self.ori_img = cv2.imread(path) self.gray = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) self.hsv = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2HSV) # 獲得原始影象行列 rows, cols = self.ori_img.shape[:2] # 工作影象 self.work_img = cv2.resize(self.ori_img, (cols / 4, rows / 4)) self.work_gray = cv2.resize(self.gray, (cols / 4, rows / 4)) self.work_hsv = cv2.resize(self.hsv, (cols / 4, rows / 4)) # 顏色區域提取 def color_area(self): # 提取紅色區域(暫定框的顏色為紅色) low_red = np.array([156, 43, 46]) high_red = np.array([180, 255, 255]) mask = cv2.inRange(self.work_hsv, low_red, high_red) red = cv2.bitwise_and(self.work_hsv, self.work_hsv, mask=mask) return red # 形態學處理 def good_thresh_img(self, img): # hsv空間變換到gray空間 img = cv2.cvtColor(img, cv2.COLOR_HSV2BGR) img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 閾值處理 _, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 做一些形態學操作,去一些小物體干擾 img_morph = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, (3, 3)) cv2.erode(img_morph, (3, 3), img_morph, iterations=2) cv2.dilate(img_morph, (3, 3), img_morph, iterations=2) return img_morph # 矩形四角點提取 def key_points_tap(self, img): img_cp = img.copy() # 按結構樹模式找所有輪廓 cnts, _ = cv2.findContours(img_cp, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 按區域大小排序,找到第二大輪廓 cnt_second = sorted(cnts, key=cv2.contourArea, reverse=True)[1] # 找輪廓的最小外接矩形((point), (w, h)) box = cv2.minAreaRect(cnt_second) # ->(points)->(l_ints) return np.int0(cv2.cv.BoxPoints(box)) # 畫出關鍵輪廓的最校外接矩形 def key_cnt_draw(self, points): mask = np.zeros(self.work_gray.shape, np.uint8) cv2.drawContours(mask, [points], -1, 255, 2) return mask # 目標框影象中心點提取 def center_point_cal(self, points): pt1_x, pt1_y = points[0, 0], points[0, 1] pt3_x, pt3_y = points[2, 0], points[2, 1] center_x, center_y = (pt1_x + pt3_x) / 2, (pt1_y + pt3_y) / 2 return center_x, center_y # 中心點比較，進行反饋 def feedback(self, rect_center_point): # 獲取矩形框中心 rect_center_point_x, rect_center_point_y = rect_center_point[0], rect_center_point[1] # 得到影象中心 rows, cols = self.work_img.shape[:2] img_center_x, img_center_y = cols / 2, rows / 2 # 相對x、y delta_x = rect_center_point_x - img_center_x delta_y = rect_center_point_y - img_center_y # 條件判斷 print '-------------------' if delta_x > 0: print '->right' elif delta_x < 0: print 'left <-' else: print 'v_hold' if delta_y < 0: print '+up' elif delta_y > 0: print '-down' else: print 'h_hold' # 執行主函式 def img_process_main(self): # 找到紅色區域 red = self.color_area() # 處理得到一個比較好的二值圖 img_morph = self.good_thresh_img(red) # 獲取矩形框的四個關鍵點 points = self.key_points_tap(img_morph) # 找到矩形中心點 rect_center_point = self.center_point_cal(points) # 畫出關鍵輪廓（除錯用,並沒有什麼卯月） cnt_img = self.key_cnt_draw(points) # 反饋資訊 self.feedback(rect_center_point) # 顯示影象 cv2.imshow('ori', self.work_img) cv2.imshow('red', red) cv2.imshow('good_thresh', img_morph) cv2.imshow('cnts', cnt_img) cv2.waitKey(0) cv2.destroyAllWindows() if __name__ == '__main__': root_path = './201655' img_index = 0 while True: img_index += 1 img_path = root_path + '/' + str(img_index) + '.bmp' d = Detect(img_path) d.img_process_main()
實際效果：
實驗用的是等比例縮小做的模型。
