如何進(jìn)行物體檢測(cè)？

一、前言

在智能車比賽中，車模為了完成任務(wù)，主要是解決兩個(gè)問(wèn)題。一個(gè)是能夠識(shí)別賽道，并通過(guò)三個(gè)福來(lái)輪的轉(zhuǎn)動(dòng)，使得車模能夠始終沿著賽道前行。第二個(gè)就是識(shí)別到賽道上的顏色圓盤。一個(gè)圓盤是障礙，綠色，一個(gè)圓盤是賽道終點(diǎn)，紫色。

除此之外，有的時(shí)候，賽道上還會(huì)出現(xiàn)別的顏色的障礙圓盤，或者是白色的圓盤。這種白色圓盤是允許車模直接通過(guò)，相當(dāng)于將連續(xù)的引導(dǎo)線中間出現(xiàn)了斷續(xù)的部分。白色圓盤還有凸起，會(huì)使得車模運(yùn)動(dòng)出現(xiàn)抖動(dòng)?？疾燔嚹＿\(yùn)動(dòng)的穩(wěn)定性。為了能夠檢測(cè)引導(dǎo)線和彩色圓盤，需要我們對(duì)于 OpenMV 中的色塊檢測(cè)功能進(jìn)行學(xué)習(xí)。下面通過(guò) OpenMV 的示例程序，介紹色塊檢測(cè)函數(shù)的應(yīng)用。

二、示例程序

在 連通OpenMV模塊之后，可以打開(kāi) 示例程序中 圖像處理 顏色跟蹤中的相關(guān)示例程序。先打開(kāi)單個(gè)色塊檢測(cè)程序?？梢詫W(xué)習(xí)相關(guān)函數(shù)功能。在智能視覺(jué)模塊前 擺放著幾種不同顏色的物體。檢測(cè)和定位這些物體，可以根據(jù)它們 顏色、 大小、形狀來(lái)進(jìn)行區(qū)分。通過(guò)設(shè)置檢測(cè)的不同參數(shù)，可以檢測(cè)出我們需要的物體。

程序運(yùn)行之后，可以看到此時(shí)，OpenMV 在拍攝到的場(chǎng)景中，找到了紅色色塊。并在串口終端中顯示了處理圖像的速度。下面我們來(lái)介紹一下這個(gè)簡(jiǎn)單的物體檢測(cè)的程序結(jié)構(gòu)。在程序開(kāi)始部分，定義了一個(gè)鏈表。其中包含有三個(gè)元組，分別表明了三個(gè)顏色檢測(cè)參加范圍。前面有一個(gè) 索引標(biāo)號(hào)變量，在程序中，通過(guò)這個(gè)變量標(biāo)明鏈表中的顏色參數(shù)。下面這些語(yǔ)句我們已經(jīng)熟悉，用于初始化攝像頭的參數(shù)，請(qǐng)大家注意，后面對(duì)于攝像頭的增益和白平衡的功能都禁止了。這在物體檢測(cè)應(yīng)用中，是為了保證所檢測(cè)顏色范圍不隨著環(huán)境光線的影響而發(fā)生變化。

下面是程序的循環(huán)主體。使用 clock 來(lái)記錄循環(huán)程序的開(kāi)始時(shí)間，下面，調(diào)用攝像頭拍攝函數(shù)，獲得一副圖像。接下來(lái)，調(diào)用圖像中 色塊檢測(cè)函數(shù)，來(lái)獲得需要搜索的物體位置、大小和方向。其中第一個(gè)參數(shù)，給出了檢測(cè)色塊的顏色范圍，使用 index 來(lái)定義前面列表中的顏色范圍參數(shù)。接下來(lái)的參數(shù)，定義了色塊像素的最小值，下面的參數(shù)定義了覆蓋色塊矩形的面積最小值。這兩個(gè)參數(shù)規(guī)定了需要檢測(cè)色塊的大小。后面的 merge 參數(shù)，設(shè)定為 true。則會(huì)將相互重疊的色塊進(jìn)行合并。

接下來(lái)，則是對(duì)搜索到的色塊結(jié)果進(jìn)行繪制。其中所使用到的圖像繪制函數(shù)，在這里就不一一介紹了。其中，調(diào)用了色塊的 elongatiuon 函數(shù)，來(lái)判斷色塊的形狀是接近于圓形，還是窄的線條。

用于區(qū)分物體的參數(shù)中，顏色是顯著的一個(gè)特征。對(duì)于顏色的描述，這里使用了是描述顏色的 LAB 顏色空間，它的前面兩個(gè)參數(shù)，定義了L參數(shù)，表明顏色的亮度范圍，中間的參數(shù)定義了 A 參數(shù)，是紅綠范圍，第三個(gè)是 B 參數(shù)，是定義了 藍(lán)黃范圍。關(guān)于 顏色空間的 LAB 的定義和轉(zhuǎn)換方式，這里就不進(jìn)行介紹了。只剩下一個(gè)問(wèn)題，那就是我們?nèi)绾文軌蚍浅７奖愕拇_定，需要檢測(cè)的物體對(duì)應(yīng)的 LAB 參數(shù)范圍呢？

三、參數(shù)修改

可以使用 工具菜單中的 機(jī)器視覺(jué) 中的 閾值編輯器 慘淡幫助我們確定檢測(cè)物體的顏色范圍。將第一對(duì) 和第二對(duì)參數(shù)的范圍都擴(kuò)展到最大，修改第三對(duì)參數(shù)，它對(duì)應(yīng)藍(lán)黃顏色，將它的范圍修改到右邊，對(duì)應(yīng)黃色范圍?？梢钥吹綀D像中的紅色物體被分割出來(lái)，調(diào)整這個(gè)參數(shù)，是分割出的黃色物體最大，其它雜色最小，這就是最優(yōu)的顏色范圍參數(shù)。這里給出了 LAB 閾值范圍，將它拷貝到剪切板，粘貼到應(yīng)用程序，便可以看到此時(shí)，程序顯示檢測(cè)到了黃色的物體。

下面，將第三對(duì)參數(shù)，修改到左邊，對(duì)應(yīng)藍(lán)色區(qū)域，此時(shí)，檢測(cè)區(qū)域中包括有邊界的藍(lán)色背景 以及白紙上的藍(lán)色物體。修改參數(shù)之后，可以看到程序檢測(cè)到了邊界的背景區(qū)域。在緩沖區(qū)中，將綠色物體選擇，可以看到下面對(duì)應(yīng) LAB顏色直方圖的范圍。應(yīng)用這個(gè)范圍，設(shè)置第二對(duì)參數(shù)，可以看到綠色物體被分割出來(lái)。應(yīng)用這個(gè)參數(shù)，程序檢測(cè)出綠色物體。

大家可以根據(jù)前面介紹的方法，來(lái)檢測(cè)圖片中其它的物體，這里，有兩個(gè)區(qū)域都是紅色，可以通過(guò)修改色塊大小參數(shù)，來(lái)剔除小的紅色，只留下大的紅色色塊。

四、多種顏色檢測(cè)

可以打開(kāi)示例程序 圖像處理 顏色跟蹤中的 多種顏色檢測(cè)程序，在前面閾值參數(shù)中定義了三個(gè)顏色檢測(cè)閾值范圍。利用前面的方法，分別得到紅色、 黃色、綠色的顏色范圍，將他們替換前面顏色閾值參數(shù)。程序運(yùn)行之后，會(huì)發(fā)現(xiàn)最終只是將紅色 和 黃色檢測(cè)出來(lái)了。這可能是因?yàn)榫G色區(qū)域比較小，修改檢測(cè)物體像素和區(qū)域像素這兩個(gè)參數(shù)，將它們降低到 100，運(yùn)行之后可以看到，較小的綠色區(qū)域也會(huì)被檢測(cè)出來(lái)了。

如果將物體像素參數(shù)進(jìn)一步減小，比如這里將它們減小到 20，可以看到，圖像中，最右側(cè)的紅色LED 也會(huì)被檢測(cè)出來(lái)了。

※ 總??結(jié) ※

本文介紹了OpenMV中 圖像處理的色塊檢測(cè)函數(shù)的應(yīng)用，可以通過(guò)設(shè)定檢測(cè)顏色、大小、形狀等參數(shù)，來(lái)分割出圖片中感興趣的區(qū)域?？梢垣@得區(qū)域的中心位置，大小以及方向，利用這些參數(shù)可以引導(dǎo)智能車完成運(yùn)動(dòng)控制，基于此，大家可以測(cè)試對(duì)于黑色的引導(dǎo)線的檢測(cè)方法。這樣，便可以完成智能車的比賽任務(wù)。

參考資料

[1]清華大學(xué)自動(dòng)化系科技營(yíng)-暨智能機(jī)器人挑戰(zhàn)賽-學(xué)習(xí)方略: https://zhuoqing.blog.csdn.net/article/details/140378536