Вычисление реального расстояния с использованием расстояния в пикселях - PullRequest
Новая
       96

Вычисление реального расстояния с использованием расстояния в пикселях

2 голосов
/ 16 апреля 2020

У меня есть два изображения как здесь автомобиль въехал в регион , а другое изображение как здесь автомобиль вышел из региона

Я сделал эти изображения с помощью одной камеры видеонаблюдения установлен на дороге.

Теперь я хочу вычислить пройденное им расстояние в реальном мире, чтобы найти скорость транспортного средства. Я использую обнаружение объекта, чтобы получить ограничивающие рамки для автомобильного номера на обоих изображениях, и я могу вычислить расстояние в пикселях. Я могу отобразить расстояние в пикселях до реального мира только тогда, когда плоскость изображения и плоскость дороги параллельны друг другу (я использую эту технику, но она не дает точных результатов). Поскольку моя камера наклонена под углом к ​​дороге, я не мог использовать эту технику.

Я перепробовал несколько научных работ, но не смог найти никакой полезной информации, относящейся к моей проблеме. Кто-нибудь, пожалуйста, поделитесь своими мыслями о том, как это сделать, это будет полезно.

1 Ответ

1 голос
/ 16 апреля 2020

В этой задаче у нас один вид камеры, поэтому невозможно найти реальное расстояние между объектами, используя геометрию вида камеры. Хотя мы можем преобразовать пиксели изображения в единицу реального мира, рассматривая определенные эталонные объекты с известными значениями длины в единицах реального мира.

В снятом образце вы можете идентифицировать маркеры дорожных полос, как показано на рисунке ниже, и, зная их длину в единицах реального мира, вы можете найти пиксели до расстояния реального мира.

Ниже быстрая и основополагающая c реализация подхода обнаружения маркеров дорожных полос. Это также даст вам контуры на объектах, таких как автомобиль, велосипед на изображении, но вы можете удалить такие контуры, применив маску к этим объектам, как только вы узнаете их ограничивающие рамки. 

img = cv2.imread("road_lane.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.blur(gray, (3, 3))
# Find Canny edges
edged = cv2.Canny(blur, 30, 200)

# Finding Contours
contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
boundRect = []
for i, c in enumerate(contours):
    #ignore large and small contours
    if len(c) < 300 and len(c) > 100 :
        box = cv2.boundingRect(c)
        #check for vertical rectangles
        if box[2] < box[3]:
           boundRect.append(box)

for i in range(len(boundRect)):
    cv2.rectangle(img, (int(boundRect[i][0]), int(boundRect[i][1])), (int(boundRect[i][0] + boundRect[i][2]), int(boundRect[i][1] + boundRect[i][3])), (255, 0, 0), 5)

enter image description here

...