Как создать декартову сетку на земле с помощью камеры, расположенной сверху и под углом. - PullRequest
Новая
       34

Как создать декартову сетку на земле с помощью камеры, расположенной сверху и под углом.

0 голосов
/ 10 сентября 2018

Я пытаюсь выяснить, как я могу отобразить шлифовку на полу изображения, просто используя атрибуты угла и высоты камеры.

Я выяснил, как найти расстояние, и я успешно разделил изображение на 4 сетки.Но когда я пытаюсь выйти из-под контроля из центра, я сталкиваюсь с проблемой проекции.Сетки должны немного изгибаться, когда они удаляются от камеры, и растягиваться, когда они становятся ближе.

Цель этого состоит в том, чтобы найти человека с детектором и получить ограничивающую рамку этого человека, а затем разделить изображение на декартову сетку (сетка 1 фут x 1 фут), чтобы определить его расстояние и местоположение от камеры.Так что я хочу вернуть номер сетки, в которой находится ограничивающая рамка. Я получил правильные сетки для каждого человека, но я хочу, чтобы эти сетки были меньше, пожалуйста, смотрите рисунок здесь enter image description here

Что у меня есть, так это пока, и это работает, найти, но я не знаю, куда идти отсюда.

  cameraHight = 1.75 #In meter
cameraAngle = 83  #Degress convert this into radians
confidenceLevle = 0.5


#estimation of distance
#I can go the distance
#radians = degreesToRadians(cameraAngle)
estimatedDistance = findDistance(cameraHight, cameraAngle)
print(estimatedDistance)

#Prepare Images
img = cv2.imread(image)
img = imutils.resize(img, width=600)
#img = imutils.resize(image, width=min(400, img.shape[1]))
#gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
(H,W) = img.shape[:2]

blob = cv2.dnn.blobFromImage(cv2.resize(img, (300, 300)),0.007843,
                             (300, 300), 127.5)
net.setInput(blob)
detections = net.forward()

#draw the base line
cv2.line(img, (0, H // 2), (W, H // 2), (0, 255, 255), 2)
cv2.line(img, (W //2, 0), (W//2, H), (0, 255, 255), 2)
midY = H//2
midX = W//2


# loop over the detections
for i in np.arange(0, detections.shape[2]):
    # extract the confidence (i.e., probability) associated with
    # the prediction
    confidence = detections[0, 0, i, 2]

    # filter out weak detections by ensuring the `confidence` is
    # greater than the minimum confidence
    if confidence > confidenceLevle:
        # extract the index of the class label from the
        # `detections`, then compute the (x, y)-coordinates of
        # the bounding box for the object
        idx = int(detections[0, 0, i, 1])
        box = detections[0, 0, i, 3:7] * np.array([W, H, W, H])
        (startX, startY, endX, endY) = box.astype("int")



        #Check if person lower bouding box is above the line
        if endX > midY:
            print("Found TargetAbove Line:", box)
        elif endX < midY:
            print("Target below line:", box)

        #Check if lower bounding box is on left or right of image
        if endX > midX:
            print("Found on Left side" , box)
        elif endX < midX:
            print("Found on Right side" , box)

        # draw the prediction on the frame
        label = "{}: {:.2f}%".format(CLASSES[idx],
                 confidence * 100)
        cv2.rectangle(img, (startX, startY), (endX, endY),COLORS[idx], 2)
        y = startY - 15 if startY - 15 > 15 else startY + 15
        cv2.putText(img, label, (startX, y),cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2)



cv2.imshow("CamTest", img)

Любая помощь в этом будет оценена

...