devbox
从前慢现在也慢
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

【OpenCV】C++红绿灯轮廓识别+ROS话题实现_ros中使用opencv检测红绿灯

作者：从前慢现在也慢 | 2024-05-20 20:45:22

赞

踩

ros中使用opencv检测红绿灯

目录

前言

一、背景知识

Opencv轮廓检测

ROS相关知识

二、环境依赖

三、具体实现

Step1：初始化ROS，订阅话题

Step2：接收话题，进入回调

1. 帧处理 

2. 膨胀腐蚀处理

Step3：红绿特征处理

1. 提取绘制轮廓

2. 转换矩形、排序

3. 显示检测结果

四、完整代码

五、使用方法

CMakeLists.txt

 package.xml

detect.launch

六、后续改进思路 

前言

根据需求需要使用Opencv实现红绿灯检测的功能，于是在猿力猪大佬的【OpenCV】红绿灯识别 轮廓识别 C++ OpenCV 案例实现 文章的基础上，将Opencv 3中的写法改成了Opencv 4，在具体图片处理的部分也按照我自己的逻辑进行了一些改动，并写成ROS工作空间包含了完整的话题读取，图片处理及检测结果显示。

一、背景知识

Opencv轮廓检测

这个部分主要用到Opencv中的findContours函数，具体介绍可以参考：findContours函数参数详解，关于轮廓检测的基本概念参考上面提到的猿力猪大佬的博文即可。

ROS相关知识

ROS编译方式：[详细教程]使用ros编译运行自己写的程序

ROS多节点运行：ROS中的roslaunch命令和launch文件（ROS入门学习笔记四）

ROS话题订阅：ROS消息发布（publish）与订阅(subscribe)（C++代码详解）

二、环境依赖

  • OpenCV 4
  • cv_bridge

三、具体实现

Step1：初始化ROS，订阅话题

  1. int main(int argc, char **argv)
  2. {
  3.     ros::init(argc, argv, "tld_cv_node");
  4.     ros::NodeHandle nh;
  5.  
  6.     std::string image_topic;
  7.     nh.param<std::string>("sub_topic", image_topic, "/src_rgb/compressed");
  8.     std::cout << "image_topic: " << image_topic << std::endl;
  9.  
  10.     ros::Subscriber camera_sub =
  11.         nh.subscribe(image_topic, 2, camera_callback);
  12.     ros::spin();
  13.     ros::waitForShutdown();
  14.     return 0;
  15. }

Step2：接收话题，进入回调

1. 帧处理 

  • 从图像话题中读取图像并转换为BGR格式，调整亮度，而后转为YCrCb格式，提取ROI，根据红绿阈值拆分红色和绿色分量
  1. cv_bridge::CvImagePtr cv_ptr =
  2.             cv_bridge::toCvCopy(msg_pic, sensor_msgs::image_encodings::BGR8);
  3.         if (rotated)
  4.         {
  5.             cv::flip(cv_ptr->image, src_image, -1);
  6.         }
  7.         else
  8.         {
  9.             src_image = cv_ptr->image;
  10.         }
  11.         // std::cout << "src_image" << src_image.size() << std::endl;
  12.  
  13.         // 亮度参数
  14.         double a = 0.3;
  15.         double b = (1 - a) * 125;
  16.  
  17.         // 统计检测用时
  18.         clock_t start, end;
  19.  
  20.         start = clock();
  21.  
  22.         src_image.copyTo(frame);
  23.         // 调整亮度
  24.         src_image.convertTo(img, img.type(), a, b);
  25.         // cv::imshow("img",img);
  26.  
  27.         // 使用ROI（感兴趣区域）方式截取图像
  28.         cv::Rect roi(0, 0, 2048, 768); // 定义roi，图片尺寸2048*1536
  29.         // std::cout << "img size:" << img.size() << std::endl;
  30.         cv::Mat roi_image = img(roi);
  31.  
  32.         // 转换为YCrCb颜色空间
  33.         cvtColor(roi_image, imgYCrCb, cv::COLOR_BGR2YCrCb);
  34.         // cvtColor(img, imgYCrCb, cv::COLOR_BGR2YCrCb);
  35.         imgRed.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);
  36.         imgGreen.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);
  37.  
  38.         // 分解YCrCb的三个成分
  39.         std::vector<cv::Mat> planes;
  40.         split(imgYCrCb, planes);
  41.  
  42.         // 遍历以根据Cr分量拆分红色和绿色
  43.         cv::MatIterator_<uchar> it_Cr = planes[1].begin<uchar>(),
  44.                                 it_Cr_end = planes[1].end<uchar>();
  45.         cv::MatIterator_<uchar> it_Red = imgRed.begin<uchar>();
  46.         cv::MatIterator_<uchar> it_Green = imgGreen.begin<uchar>();
  47.  
  48.         for (; it_Cr != it_Cr_end; ++it_Cr, ++it_Red, ++it_Green)
  49.         {
  50.             // RED, 145<Cr<470 红色
  51.             // if (*it_Cr > 145 && *it_Cr < 470)
  52.             if (*it_Cr > 140 && *it_Cr < 470)
  53.                 *it_Red = 255;
  54.             else
  55.                 *it_Red = 0;
  56.  
  57.             // GREEN 95<Cr<110 绿色
  58.             if (*it_Cr > 95 && *it_Cr < 110)
  59.                 *it_Green = 255;
  60.             else
  61.                 *it_Green = 0;
  62.             // YELLOW 黄色
  63.         }

PS：ROI选取这里只是随意截取了图片的上半部分。

2. 膨胀腐蚀处理

  • 膨胀的第三个参数：膨胀操作的内核，我根据实际场景的检测效果进行了修改
  1. // 膨胀和腐蚀
  2.         dilate(imgRed, imgRed, cv::Mat(8, 8, CV_8UC1), cv::Point(-1, -1));
  3.         erode(imgRed, imgRed, cv::Mat(1, 1, CV_8UC1), cv::Point(-1, -1));
  4.         dilate(imgGreen, imgGreen, cv::Mat(12, 12, CV_8UC1), cv::Point(-1, -1));
  5.         erode(imgGreen, imgGreen, cv::Mat(1, 1, CV_8UC1), cv::Point(-1, -1));

Step3：红绿特征处理

  • 这是我改动最大的一个函数，只保留了原作者提取轮廓转换为矩形的思路。先提取、绘制轮廓、显示检测结果，然后对得到的矩形进行位置排序，再对轮廓依次进行显示。

1. 提取绘制轮廓

  1. // 提取轮廓
  2.     findContours(tmp_Red, contours_Red, hierarchy_Red, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
  3.     findContours(tmp_Green, contours_Green, hierarchy_Green, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
  4.  
  5.     // 绘制轮廓
  6.     drawContours(frame, contours_Red, -1, cv::Scalar(0, 0, 255), cv::FILLED); // Red
  7.     std::cout << "提取到的红色轮廓数量：" << contours_Red.size() << std::endl;
  8.     drawContours(frame, contours_Green, -1, cv::Scalar(0, 255, 0), cv::FILLED); // Green
  9.     std::cout << "提取到的绿色轮廓数量：" << contours_Green.size() << std::endl;
  10.  
  11.     // 显示轮廓
  12.     //  imshow("contours", frame);
  13.  
  14.     trackBox_Red = new cv::Rect[contours_Red.size()];
  15.     trackBox_Green = new cv::Rect[contours_Green.size()];

2. 转换矩形、排序

  1. // 确定要跟踪的区域
  2.     for (int i = 0; i < contours_Red.size(); i++)
  3.     {
  4.         // Yi opencv4 不支持 CvSeq
  5.         trackBox_Red[i] = cv::boundingRect(contours_Red[i]);
  6.     }
  7.  
  8.     for (int i = 0; i < contours_Green.size(); i++)
  9.     {
  10.         // Yi opencv4 不支持 CvSeq
  11.         trackBox_Green[i] = cv::boundingRect(contours_Green[i]);
  12.     }
  13.  
  14.     // imshow("contours", tmp);
  15.  
  16.     // Rect.tl() 返回矩形左上顶点的坐标
  17.     for (int i = 0; i < contours_Red.size(); i++)
  18.     {
  19.         Store_x_color a;
  20.         a.x = trackBox_Red[i].tl().x;
  21.         a.y = trackBox_Red[i].tl().y;
  22.         a.color = 0;
  23.         x_color.push_back(a);
  24.     }
  25.  
  26.     for (int i = 0; i < contours_Green.size(); i++)
  27.     {
  28.         Store_x_color a;
  29.         a.x = trackBox_Green[i].tl().x;
  30.         a.y = trackBox_Green[i].tl().y;
  31.         a.color = 1;
  32.         x_color.push_back(a);
  33.     }
  34.  
  35.     // 清空指针
  36.     delete[] trackBox_Red;
  37.     delete[] trackBox_Green;
  38.  
  39.     // 对左上顶点横坐标进行排序
  40.     sort(x_color.begin(), x_color.end(), CompareByX);

3. 显示检测结果

  1. // 显示结果
  2.     for (int i = 0; i < x_color.size(); i++)
  3.     {
  4.         if (0 == x_color[i].color)
  5.             cv::putText(frame, "Red", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 2, 8, 0);
  6.         else if (1 == x_color[i].color)
  7.             cv::putText(frame, "Green", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8, 0);
  8.         else if (2 == x_color[i].color)
  9.             cv::putText(frame, "Yellow", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 255), 2, 8, 0);
  10.         else
  11.             cv::putText(frame, "Lights off", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(255, 255, 255), 2, 8, 0);
  12.     }
  13.  
  14.     cv::namedWindow("tld_result", 0);
  15.     cv::resizeWindow("tld_result", 1920, 1080);
  16.     cv::imshow("tld_result", frame);
  17.     cv::waitKey(1);

实际检测结果如下图所示： 

  

四、完整代码

  1. /*
  2.  * @CopyRight: All Rights Reserved by Plusgo
  3.  * @Author: Yi
  4.  * @E-mail: waterwinsor@gmail.com
  5.  * @Date: 2023年 05月 06日 星期六 15:44:35
  6.  * @LastEditTime: 2023年 05月 08日 星期一 10:07:30
  7.  */
  8.  
  9. // requirements: opencv 4
  10.  
  11. #include <iostream>
  12. #include <fstream>
  13. #include <time.h>
  14. #include <algorithm>
  15.  
  16. #include <cv_bridge/cv_bridge.h>
  17. #include <image_transport/image_transport.h>
  18. #include <ros/ros.h>
  19. #include <sensor_msgs/Image.h>
  20. #include <sensor_msgs/PointCloud2.h>
  21.  
  22. #include <opencv2/opencv.hpp>
  23. #include "opencv2/imgproc.hpp"
  24. #include <opencv2/imgproc/types_c.h>
  25.  
  26. struct Store_x_color
  27. {
  28.     int x;     // 存储左上顶点横坐标
  29.     int y;     // 存储左上顶点纵坐标
  30.     int color; // 存储当前点颜色
  31. };
  32.  
  33. // Function headers
  34. void processImg(cv::Mat, cv::Mat); // 前红后绿
  35. bool CompareByX(const Store_x_color &, const Store_x_color &);
  36.  
  37. // Global variables
  38. cv::Mat src_image;
  39. bool rotated = true; // rotate 180
  40.  
  41. cv::Mat frame;
  42. cv::Mat img;
  43. cv::Mat imgYCrCb;
  44. cv::Mat imgGreen;
  45. cv::Mat imgRed;
  46. cv::Mat imgYellow;
  47. std::vector<Store_x_color> x_color;
  48.  
  49. void camera_callback(const sensor_msgs::CompressedImageConstPtr &msg_pic)
  50. {
  51.     try
  52.     {
  53.         cv_bridge::CvImagePtr cv_ptr =
  54.             cv_bridge::toCvCopy(msg_pic, sensor_msgs::image_encodings::BGR8);
  55.         if (rotated)
  56.         {
  57.             cv::flip(cv_ptr->image, src_image, -1);
  58.         }
  59.         else
  60.         {
  61.             src_image = cv_ptr->image;
  62.         }
  63.         // std::cout << "src_image" << src_image.size() << std::endl;
  64.  
  65.         // 亮度参数
  66.         double a = 0.3;
  67.         double b = (1 - a) * 125;
  68.  
  69.         // 统计检测用时
  70.         clock_t start, end;
  71.  
  72.         start = clock();
  73.  
  74.         src_image.copyTo(frame);
  75.         // 调整亮度
  76.         src_image.convertTo(img, img.type(), a, b);
  77.         // cv::imshow("img",img);
  78.  
  79.         // 使用ROI（感兴趣区域）方式截取图像
  80.         cv::Rect roi(0, 0, 2048, 768); // 定义roi，图片尺寸2048*1536
  81.         // std::cout << "img size:" << img.size() << std::endl;
  82.         cv::Mat roi_image = img(roi);
  83.  
  84.         // 转换为YCrCb颜色空间
  85.         cvtColor(roi_image, imgYCrCb, cv::COLOR_BGR2YCrCb);
  86.         // cvtColor(img, imgYCrCb, cv::COLOR_BGR2YCrCb);
  87.         imgRed.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);
  88.         imgGreen.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);
  89.  
  90.         // 分解YCrCb的三个成分
  91.         std::vector<cv::Mat> planes;
  92.         split(imgYCrCb, planes);
  93.  
  94.         // 遍历以根据Cr分量拆分红色和绿色
  95.         cv::MatIterator_<uchar> it_Cr = planes[1].begin<uchar>(),
  96.                                 it_Cr_end = planes[1].end<uchar>();
  97.         cv::MatIterator_<uchar> it_Red = imgRed.begin<uchar>();
  98.         cv::MatIterator_<uchar> it_Green = imgGreen.begin<uchar>();
  99.  
  100.         for (; it_Cr != it_Cr_end; ++it_Cr, ++it_Red, ++it_Green)
  101.         {
  102.             // RED, 145<Cr<470 红色
  103.             // if (*it_Cr > 145 && *it_Cr < 470)
  104.             if (*it_Cr > 140 && *it_Cr < 470)
  105.                 *it_Red = 255;
  106.             else
  107.                 *it_Red = 0;
  108.  
  109.             // GREEN 95<Cr<110 绿色
  110.             if (*it_Cr > 95 && *it_Cr < 110)
  111.                 *it_Green = 255;
  112.             else
  113.                 *it_Green = 0;
  114.             // YELLOW 黄色
  115.         }
  116.  
  117.         // 膨胀和腐蚀
  118.         dilate(imgRed, imgRed, cv::Mat(8, 8, CV_8UC1), cv::Point(-1, -1));
  119.         erode(imgRed, imgRed, cv::Mat(1, 1, CV_8UC1), cv::Point(-1, -1));
  120.         dilate(imgGreen, imgGreen, cv::Mat(12, 12, CV_8UC1), cv::Point(-1, -1));
  121.         erode(imgGreen, imgGreen, cv::Mat(1, 1, CV_8UC1), cv::Point(-1, -1));
  122.  
  123.         // 检测和显示
  124.         processImg(imgRed, imgGreen);
  125.  
  126.         // 清空x_color
  127.         x_color.clear();
  128.  
  129.         end = clock();
  130.         std::cout << "检测时间：" << (double)(end - start) / CLOCKS_PER_SEC << std::endl; // 打印检测时间
  131.     }
  132.     catch (cv_bridge::Exception e)
  133.     {
  134.         ROS_ERROR_STREAM("cant't get image");
  135.     }
  136. }
  137.  
  138. int main(int argc, char **argv)
  139. {
  140.     ros::init(argc, argv, "tld_cv_node");
  141.     ros::NodeHandle nh;
  142.  
  143.     std::string image_topic;
  144.     nh.param<std::string>("sub_topic", image_topic, "/src_rgb/compressed");
  145.     std::cout << "image_topic: " << image_topic << std::endl;
  146.  
  147.     ros::Subscriber camera_sub =
  148.         nh.subscribe(image_topic, 2, camera_callback);
  149.     ros::spin();
  150.     ros::waitForShutdown();
  151.     return 0;
  152. }
  153.  
  154. void processImg(cv::Mat src_Red, cv::Mat src_Green)
  155. {
  156.     cv::Mat tmp_Red;
  157.     cv::Mat tmp_Green;
  158.  
  159.     std::vector<std::vector<cv::Point>> contours_Red;
  160.     std::vector<std::vector<cv::Point>> contours_Green;
  161.  
  162.     std::vector<cv::Vec4i> hierarchy_Red;
  163.     std::vector<cv::Vec4i> hierarchy_Green;
  164.  
  165.     cv::Rect *trackBox_Red;
  166.     cv::Rect *trackBox_Green;
  167.  
  168.     src_Red.copyTo(tmp_Red);
  169.     src_Green.copyTo(tmp_Green);
  170.  
  171.     // 提取轮廓
  172.     findContours(tmp_Red, contours_Red, hierarchy_Red, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
  173.     findContours(tmp_Green, contours_Green, hierarchy_Green, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
  174.  
  175.     // 绘制轮廓
  176.     drawContours(frame, contours_Red, -1, cv::Scalar(0, 0, 255), cv::FILLED); // Red
  177.     std::cout << "提取到的红色轮廓数量：" << contours_Red.size() << std::endl;
  178.     drawContours(frame, contours_Green, -1, cv::Scalar(0, 255, 0), cv::FILLED); // Green
  179.     std::cout << "提取到的绿色轮廓数量：" << contours_Green.size() << std::endl;
  180.  
  181.     // 显示轮廓
  182.     //  imshow("contours", frame);
  183.  
  184.     trackBox_Red = new cv::Rect[contours_Red.size()];
  185.     trackBox_Green = new cv::Rect[contours_Green.size()];
  186.  
  187.     // 确定要跟踪的区域
  188.     for (int i = 0; i < contours_Red.size(); i++)
  189.     {
  190.         // Yi opencv4 不支持 CvSeq
  191.         trackBox_Red[i] = cv::boundingRect(contours_Red[i]);
  192.     }
  193.  
  194.     for (int i = 0; i < contours_Green.size(); i++)
  195.     {
  196.         // Yi opencv4 不支持 CvSeq
  197.         trackBox_Green[i] = cv::boundingRect(contours_Green[i]);
  198.     }
  199.  
  200.     // imshow("contours", tmp);
  201.  
  202.     // Rect.tl() 返回矩形左上顶点的坐标
  203.     for (int i = 0; i < contours_Red.size(); i++)
  204.     {
  205.         Store_x_color a;
  206.         a.x = trackBox_Red[i].tl().x;
  207.         a.y = trackBox_Red[i].tl().y;
  208.         a.color = 0;
  209.         x_color.push_back(a);
  210.     }
  211.  
  212.     for (int i = 0; i < contours_Green.size(); i++)
  213.     {
  214.         Store_x_color a;
  215.         a.x = trackBox_Green[i].tl().x;
  216.         a.y = trackBox_Green[i].tl().y;
  217.         a.color = 1;
  218.         x_color.push_back(a);
  219.     }
  220.  
  221.     // 清空指针
  222.     delete[] trackBox_Red;
  223.     delete[] trackBox_Green;
  224.  
  225.     // 对左上顶点横坐标进行排序
  226.     sort(x_color.begin(), x_color.end(), CompareByX);
  227.  
  228.     // 显示结果
  229.     for (int i = 0; i < x_color.size(); i++)
  230.     {
  231.         if (0 == x_color[i].color)
  232.             cv::putText(frame, "Red", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 2, 8, 0);
  233.         else if (1 == x_color[i].color)
  234.             cv::putText(frame, "Green", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8, 0);
  235.         else if (2 == x_color[i].color)
  236.             cv::putText(frame, "Yellow", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 255), 2, 8, 0);
  237.         else
  238.             cv::putText(frame, "Lights off", cv::Point(x_color[i].x, x_color[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(255, 255, 255), 2, 8, 0);
  239.     }
  240.  
  241.     cv::namedWindow("tld_result", 0);
  242.     cv::resizeWindow("tld_result", 1920, 1080);
  243.     cv::imshow("tld_result", frame);
  244.     cv::waitKey(1);
  245.  
  246.     return;
  247. }
  248.  
  249. bool CompareByX(const Store_x_color &a, const Store_x_color &b)
  250. {
  251.     return a.x < b.x;
  252. }

五、使用方法

编译所需的CMakeLists.txt、package.xml和运行所需roslaunch文件如下

  • CMakeLists.txt

  1. cmake_minimum_required(VERSION 2.8.3)
  2. project(tld_cv)
  3.  
  4. set(CMAKE_INCLUDE_CURRENT_DIR ON)
  5. set(CMAKE_BUILD_TYPE "Release")  # Debug Release RelWithDebInfo
  6.  
  7. add_definitions(-O2 -pthread)
  8. add_compile_options(-std=c++11)
  9.  
  10. find_package(OpenCV REQUIRED)
  11. find_package(catkin REQUIRED COMPONENTS
  12.   roscpp
  13.   std_msgs
  14.   sensor_msgs
  15.   cv_bridge
  16.   image_transport
  17. )
  18.  
  19. catkin_package(
  20.     CATKIN_DEPENDS
  21.     roscpp
  22.     std_msgs
  23.     sensor_msgs
  24.     cv_bridge
  25.     image_transport
  26. )
  27.  
  28. include_directories(
  29. # include
  30.   ${catkin_INCLUDE_DIRS}
  31.   ${OpenCV_INCLUDE_DIRS}
  32. )
  33.  
  34. add_executable(tld_cv src/main.cpp)
  35. target_link_libraries(tld_cv
  36.         ${catkin_LIBRARIES}
  37.         ${OpenCV_LIBRARIES}
  38.         )
  39.

  •  package.xml

  1. <?xml version="1.0"?>
  2. <package format="2">
  3.   <name>tld_cv</name>
  4.   <version>0.0.0</version>
  5.   <description>The tld_cv package</description>
  6.  
  7.   <maintainer email="royry@foxmail.com">Ru1yi</maintainer>
  8.  
  9.   <license>TODO</license>
  10.  
  11.   <buildtool_depend>catkin</buildtool_depend>
  12.   <build_depend>cv_bridge</build_depend>
  13.   <build_depend>image_transport</build_depend>
  14.   <build_depend>roscpp</build_depend>
  15.   <build_depend>sensor_msgs</build_depend>
  16.   <build_depend>std_msgs</build_depend>
  17.   <build_export_depend>cv_bridge</build_export_depend>
  18.   <build_export_depend>image_transport</build_export_depend>
  19.   <build_export_depend>roscpp</build_export_depend>
  20.   <build_export_depend>sensor_msgs</build_export_depend>
  21.   <build_export_depend>std_msgs</build_export_depend>
  22.   <exec_depend>cv_bridge</exec_depend>
  23.   <exec_depend>image_transport</exec_depend>
  24.   <exec_depend>roscpp</exec_depend>
  25.   <exec_depend>sensor_msgs</exec_depend>
  26.   <exec_depend>std_msgs</exec_depend>
  27.  
  28.  
  29.   <!-- The export tag contains other, unspecified, tags -->
  30.   <export>
  31.     <!-- Other tools can request additional information be placed here -->
  32.  
  33.   </export>
  34. </package>

  • detect.launch

  1. <launch>
  2.  
  3.     <arg name="sub_image_topic" value="/camera/image_color/compressed"/>
  4.     
  5.     <param name="sub_topic" value="$(arg sub_image_topic)"/>
  6.  
  7.     <node pkg="tld_cv" type="tld_cv" name="tld_cv" output="screen" />
  8.  
  9. </launch>

六、后续改进思路 

改进可有如下几个方向：

  • ROI

根据具体自动驾驶场景，可以通过红绿灯位置、高度、相机安装方式、车辆定位和IMU信息实时计算出一个更为精确的ROI，检测再进行排序即可确定红绿灯的个数和顺序，方便编写后处理中的逻辑。

  • 筛选面积

根据检测后的结果筛选较大的几个轮廓，可以排除掉某些较小物体的误检干扰 

本人接触OpenCV时间尚短、经验尚浅，如果有任何疏漏、错误还请大家指出～

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/599231
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号