视觉测距算法-目标测距,防撞预测

实际课题,车间有多个不同高程的天车,操作人员通过遥控操控天车,经常会出现较低的天车被撞的事故,计划采用通过反光标志,计算位置,通过算法实现测距和报警.
经过现场勘查,拟采用绿色的反光条拼接的矩形色块作为识别标志.

0.算法原理

采用颜色空间转换为HSV的颜色空间,便于分离出绿色的条块.
采用去噪和高斯模糊算法,过滤噪点和小目标.
采用边缘算法,计算出色块的矩形区域.
计算矩形区域的坐标和长度及宽度.
根据摄像头的视角计算出标识色块和镜头的距离.

distance.jpeg

我在测试环境中,尽量采用已知的尺寸的目标做测试,目前在用的iphone7手机,查询屏幕尺寸为:114.3mm(w)
拿A4纸测试测试 297mmx210mm
210mm --> 520 pix
297mm --> 380 pix
用相似三角形计算物体或者目标到相机的距离
我们将使用相似三角形来计算相机到一个已知的物体或者目标的距离。
相似三角形就是这么一回事：假设我们有一个宽度为 W 的目标或者物体。然后我们将这个目标放在距离我们的相机为 D 的位置。我们用相机对物体进行拍照并且测量物体的像素宽度 P 。这样我们就得出了相机焦距的公式：

F = (P x D) / W

phone7屏幕屏幕 W=114.3 D = 297 P = 520
F = 970
那么: D = F * W / P D=970*114.3/
最后得到计算公式

def distance_to_camera(knownWidth, focalLength, perWidth):

    # compute and return the distance from the maker to the camera

    return (knownWidth * focalLength) / perWidth

1.代码

"""

@File    :   demo.py    
@Contact :   gaoshine2008@qq.com
@License :   (C)Copyright 2018-2022, 金世达科技.微妙物联

@Modify Time      @Author    @Version    @Desciption
------------      -------    --------    -----------
8/30/20 21:43   GAOSHENG      1.0         we.iot

"""

import cv2
import numpy as np

# 中文字幕
from hanzi import put_chinese_text
ft = put_chinese_text('./font/yahei.ttf')

cap = cv2.VideoCapture(0)

while (1):

    # Take each frame
    _, frame = cap.read()
    print(frame.shape)
    # Convert BGR to HSV

    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # define range of blue color in HSV
    sensitivity = 15
    green0 = [60 - sensitivity, 50, 50]
    green1 = [60 + sensitivity, 255, 255]

    blue0 = [110, 50, 50]
    blue1 = [130, 255, 255]
    lower_blue = np.array(green0)
    upper_blue = np.array(green1)

    # Threshold the HSV image to get only blue colors
    mask = cv2.inRange(hsv, lower_blue, upper_blue)

    # Bitwise-AND mask and original image
    res = cv2.bitwise_and(frame, frame, mask=mask)

    # 查找最大的绿色色块
    cnts, _ = cv2.findContours(mask.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    Smax = 0
    (x0, y0, w0, h0) = (0, 0, 0, 0)
    for c in cnts:
        (x, y, w, h) = cv2.boundingRect(c)
        if w * h > Smax:
            (x0, y0, w0, h0) = (x, y, w, h)
            Smax = w * h
        print(x, y, w, h, w * h)

    if Smax > 600:
        cv2.rectangle(res, (x0, y0), (x0 + w0, y0 + h0), (0, 0, 255), 2)
        cv2.rectangle(frame, (x0, y0), (x0 + w0, y0 + h0), (0, 0, 255), 2)
        color_ = (0, 0, 255)  # red
        pos = (x0, y0 - 20)
        text_size = 20
        D = int(970*114.3/w0)  # 测距公式
        line = '距离:%s毫米     W:%s H:%s' % (D, str(w0), str(h0))
        res = ft.draw_text(res, pos, line, text_size, color_)
        frame = ft.draw_text(frame, pos, line, text_size, color_)



    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('res', res)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

2.效果测试

我拿手机屏幕显示绿色背景,作为识别的色块,通过摄像头采集和处理,标注出手机屏幕的轮廓.
通过计算绿色屏幕的轮廓的宽和高.
将宽度带入距离公式,就可以得到目标和摄像头之间的距离.

demo0.gif

3.实际应用-天车防撞预警系统

厂区每天都存在着大量因为视线挡住，视觉盲区导致剐蹭、碰撞、碾压、撞车等事故发生。造成产线停工、大量赔偿、领导追责等严重后果。
传统的天车防撞采用激光测距的方式测量天车基站之间的距离,本次场景的天车之间不是等高程的,并且中间用于操作铸管的天车也在移动,无法保证激光测量的过程.

Smart-Measure.jpg

天车防撞预警系统，采用视觉测距技术，工作在天车上的部署多个角度摄像头能与另一台天车的基准反光标准色块相互关联，
采用反光色块作为基准测距标准,采用视觉算法计算出天车之间的距离.
当天车相互接近设定的预警距离范围内时，会发出声光报警提示，当进入到刹车区域时，提示刹车。
有效预防，杜绝天车碰撞等高危事故发生。

tianche.jpg