| 无人机实验笔记（识别交点 / 巡线） | 您所在的位置：网站首页 › 怎样制作无人机最简单的 › 无人机实验笔记（识别交点 / 巡线） |
无人机实验笔记（识别交点 / 巡线）
|
由于我们的实验场地并不是一根纯黑线，中间的交线会对识别造成一定的影响，从而导致无人机在交线处飞偏，所以就想识别交点坐标，保证无人机始终在直线上飞行，最后的实验结果也很理想。
识别交线代码是在网上看到的一段代码，后来发现它的算法思路很新奇，且应用过程中发现它的用武之地还蛮多的。 算法思路：
这是一张二值化后的图，对应像素值：白色：255，黑色：0。 我用数值表示为：
这是一张5*7大小的二值图，白色像素值为255，黑色像素值为0，我的目的是要求得（3，4）这个交点坐标。以求X坐标为例，先将每一列的值相加存入数组得到 [255, 255, 1785, 255, 255] ,可以看到出现了一个最大值1785，然后将相邻的列相减（从第二列开始，后一列减去前一列）的值存入另一个数组得到 [0,1530,-1530,0] ，可以看到出现了一个极大值和极小值，而这两个值对应的索引（列号）就是我们需要的值。取得极大值的索引：2； 极小值的索引： 3 。对应二值图可以看到，2就是我们需要求的X坐标的左邻列，3+1 就是X坐标的右邻列。最后求的 X = （2+4）/2 = 3 。同理，Y= （3 +5 ）/2 = 4 。 代码： import cv2 import numpy as np import imutils frame = cv2.imread("Cross 2.jpg") frame = imutils.resize(frame, width=160) #调整图片大小 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) ret, th1 = cv2.threshold(gray, 80, 255, cv2.THRESH_BINARY_INV) #转化为二值图 mask = cv2.dilate(th1, None, iterations=1) #膨胀一下，补足一些残缺部分 ROImask = mask[0:120, 50:110] cnts2 = cv2.findContours(ROImask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts2 = cnts2[0] if imutils.is_cv2() else cnts2[1] if (len(cnts2) > 0): #取得面积最大的轮廓并重绘（减少噪音干扰） area = [cv2.contourArea(i) for i in cnts2] area = np.array(area) index = np.argmax(area) img = np.zeros(ROImask.shape) im = cv2.drawContours(img, cnts2, index, 255, -1) #求交点X坐标 （可以封装成函数） x_acc = np.sum(im, axis=0) x_diff = np.diff(x_acc) x_index1 = np.argmax(x_diff) x_index2 = np.argmin(x_diff) + 1 x_max = max(x_diff) x_min = min(x_diff) if (x_max < 1000 and x_min > -1000): Postion_x = 80 #图像中点 else: Postion_x = (x_index1 + x_index2) // 2 + 50 #ROImask取的范围在[50,110]，所以+50 # 求交点Y坐标 y_acc = np.sum(im, axis=1) y_diff = np.diff(y_acc) y_index1 = np.argmax(y_diff) y_index2 = np.argmin(y_diff) + 1 y_max = max(y_diff) y_min = min(y_diff) if (y_max < 1000 and y_min > -1000): Postion_y = 60 #图像中点 else: Postion_y = (y_index1 + y_index2) // 2 else: Postion_x = 80 Postion_y = 60 cv2.circle(frame, (Postion_x, Postion_y), 4, (0, 0, 255), -1) #画出交点 print('Postion_x,Postion_y', Postion_x, Postion_y) cv2.imshow('mask', mask) cv2.imshow('frame', frame) cv2.waitKey(0)结果图：
代码说明： ROImask = mask[0:120, 50:110] cnts2 = cv2.findContours(ROImask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts2 = cnts2[0] if imutils.is_cv2() else cnts2[1] 只取了二值图中间一部分[50,110]来求解，因为无人机在飞行起点与终点，左右两边直线外的图像会带来干扰，索性只取了中间一段来求交点。当无人机飞出了终点，也就是cnts2没有轮廓点了，可以做额外的动作，比如降落。 if (x_max < 1000 and x_min > -1000): Postion_x = 80 else: Postion_x = (x_index1 + x_index2) // 2 + 50 这里做了一个最大最小值判断，如果图像上不存在交点，只是一根单纯的直线。例如下图，它只能找到直线的中点Y坐标。
这时X坐标应为图像的中点（或者往某一方向飞行所需的定值）。所以，用这个算法巡线也完全OK。（ // 2 为取整。） 缺陷：飞行时需将无人机摆正（不用完全与直线重合），因为算法是对像素的操作，如果无人机与直线倾斜的角度大了，得到的图像存在一定角度，算法就失效了。 其它应用：
1、 绕矩形框飞行，正如一个矩形框的拐角，可以作为条件判断来控制无人机的飞行方向。 2、在交点处悬停 源码下载： https://github.com/LNanL/drone 矩形框代码没有测飞过，因为没有场地。 |
【本文地址】