🍓Python_OpenCV_TensorFlow微型仿真深度学习 Raspberry Pi 自动驾驶车

Python | OpenCV | TensorFlow | 自动驾驶 | 迁移学习 | Edge TPU USB 加速器 | 交通信号标识 | SSH | VNC | 自动车道导航 | COCO物体检测模型 | Raspberry Pi

物料清单

Raspberry Pi 设置

远程文件访问设置

相机设置

软件配置

仿真自动驾驶车设置

测试

视觉OpenCV 配置

Raspberry Pi 配置 TensorFlow

OpenCV自主车道导航

import cv2
frame = cv2.imread('/home/pi/DeepCar/driver/data/road1_240x320.png')
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

请注意，我们使用的是 BGR 到 HSV 的转换，而不是 RBG 到 HSV 的转换。 这是因为 OpenCV 由于某些遗留原因，默认将图像读入 BGR（蓝/绿/红）色彩空间，而不是更常用的 RGB（红/绿/蓝）色彩空间。 它们本质上是等效的颜色空间，只是交换了颜色的顺序。

这是通过 OpenCV 提取蓝色并渲染蒙版图像的代码。

lower_blue = np.array([60, 40, 40])
upper_blue = np.array([150, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)

检测车道线的边缘

我们需要检测蓝色遮罩中的边缘，以便我们可以有几条不同的线来代表蓝色车道线。

Canny 边缘检测功能是一个功能强大的命令，可以检测图像中的边缘。 在下面的代码中，第一个参数是上一步中的蓝色遮罩。 第二个和第三个参数是边缘检测的下限和上限，OpenCV 建议为 (100, 200) 或 (200, 400)，因此我们使用 (200, 400)。

edges = cv2.Canny(mask, 200, 400)

将上述命令放在一起，下面是隔离图像上的蓝色并提取所有蓝色区域边缘的函数。

def detect_edges(frame):
    # filter for blue lane lines
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    show_image("hsv", hsv)
    lower_blue = np.array([60, 40, 40])
    upper_blue = np.array([150, 255, 255])
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    show_image("blue mask", mask)

    # detect edges
    edges = cv2.Canny(mask, 200, 400)

    return edges

隔离感兴趣区域

深度学习自主车道导航

交通标志和行人检测

源代码

🏈page指点迷津 | Brief