网站建设与管理基础及实训(php版),常德哪里有做网站,成都网站设计的公司,注册公司需要花多少钱单目相机减速带检测以及测距项目是一个计算机视觉领域的应用#xff0c;旨在使用一个摄像头#xff08;单目相机#xff09;来识别道路上的减速带#xff0c;并进一步估计车辆与减速带之间的距离。这样的系统对于智能驾驶辅助系统#xff08;ADAS#xff09;特别有用旨在使用一个摄像头单目相机来识别道路上的减速带并进一步估计车辆与减速带之间的距离。这样的系统对于智能驾驶辅助系统ADAS特别有用因为它可以帮助驾驶员提前减速避免碰撞或剧烈颠簸。
下面是一个典型的单目相机减速带检测和测距项目的组成部分
1. 数据集准备
收集包含减速带的大量图像或视频片段这些数据用于训练机器学习模型。数据集应该多样化包括不同天气条件、光照水平、减速带类型和视角的图像。
2. 目标检测模型训练
使用深度学习框架如YOLOv5、SSD或Faster R-CNN训练一个目标检测模型以识别减速带。训练模型需要标注的数据即在每张图像中标注减速带的位置。
3. 相机标定
为了准确地测量距离必须先标定相机以获取其内参数如焦距、主点位置和任何畸变参数。标定通常使用带有已知几何图案如棋盘格的标定板完成。
4. 测距算法开发
开发算法来根据减速带在图像中的大小和相机的参数计算其距离。可以采用三角法或透视投影法其中已知减速带的实际尺寸是一个关键参数。
5. 系统集成与测试
将检测和测距模块整合到一个系统中确保它们协同工作。在各种条件下测试系统包括不同的光线、角度和减速带类型以评估其鲁棒性和准确性。
6. 实时处理
优化系统以实现实时处理这对于车载应用至关重要。可能需要硬件加速如GPU或专用的计算机视觉处理器以达到所需的帧率。
7. 用户界面与警报系统
设计用户界面显示减速带的位置和距离信息。如果减速带距离过近可能需要触发警报系统提醒驾驶员采取行动。
在实际应用中单目相机减速带检测和测距项目可能还会涉及到一些挑战例如减速带的多样性形状、颜色、材质、环境因素的影响如阴影、雨雪等以及相机运动的补偿等。因此持续的改进和适应性是此类项目成功的关键。 一、相机标定拍照标定去畸变
相机标定在calibration.py里实现。目前不足鱼眼相机去畸变有点问题其他均正常。
使用方法运行calibration.py按照提示运行即可。请注意本程序capture时会自动清空标定板图片文件夹已修改为可选择是否清空。先capture拍照拍照数目可以在程序里预设然后calibrate标定不同类型相机的结果会自动写入不同config里。然后可以undistort去畸变。
标定板相关请参考我的博客本程序使用的标定板是x方向奇数11个、y方向偶数8个、角点间距1cm的标定板在程序里为calibration.py的
board Board(11,8,10) #col row width(mm)把部分函数放入到了utils/calibrate下供其他程序使用。新增了鸟瞰图运行birdeye.py即可。
PS鸟瞰图转换中标定板平面坐标系的原点以左上角为基础向左上平移了200mm。
二、单应矩阵标定 本着有啥用啥的原则我直接用宿舍的瓷砖标定了哈哈哈其实之前用外面的瓷砖标定过但是相机太烂了拍不清在宿舍放了几个标志物再标定的。
单应矩阵至少需要四个点用findHomography函数这里有个坑了我一下午的坑这个函数找到的H满足 $$ c[x,y,1]^T H[u,v,1]^T $$ 其中u,v是成像坐标系的点x,y是地面坐标系的点。一定注意还有个c因为H是八自由度的最后得到转换后的坐标不是标准齐次坐标还要手动转化为标准齐次坐标。
程序运行方法运行getHomography.py以拍照、鼠标点击获得像素以及标定大体是这样我最后把像素坐标写死了然后求解H运行getDistance以实现运用获得的H点击像素之后测距(可能以后会删除因为这个.py是用来测试测距的)。
三、目标检测
初步试了下用自己的数据集训练。建立了datasets文件夹标注工具为labelimg。数据处理过程为
1.将要标注的图片放到data/images里。
2.用labelimg标注标注结果放到data/labels里。
3.进入yolo文件夹否则路径不对运行yolo文件夹下的data_process.py来划分数据生成训练集等路径。
踩了以下坑作个汇总以作为注意事项。
1.train.py的config我更改过。之前当使用预训练时会报keyerror:assets的错误。(据我观察这基本就是.pt文件路径不对的问题请检查自己参数里的路径是否写对了)。
2.train.txt等等里面的路径最好还是写绝对路径用os.getcwd和join拼接即可。
3.如果要用cpu训练把utils/loss.py里面的780多行那几个device gpu0务必改成cpu0.
4.如果要使用预训练请修改cfg/training/yolov7.yaml里的nc为对应数量。
5.训练前记得删除dataset文件夹里的cache
6.yaml不要写汉语会gbk错误
