机器视觉：用图像驱动智能小车

本篇大致探索下图像的识别。实现了颜色识别，以及利用直方图来计算图像相似度。先来个视频。

摄像头实时捕捉画面，从画面中解析出蓝色的区域，并与预设图像对比，相似度小于0.5（0为完全匹配），闪光灯闪5秒。注意流量和音量。

取一张返回到PC上的图像，分了四部分：

左上：640*480为摄像头实时图像

左下：为预设图片，以及预设图片蓝色通道的直方图，颜色空间为HSV

右上：640*480为识别出的蓝色区域，上边红色数字为直方图相似度

右下：实时图像获取的蓝色区域的直方图

如下图示：识别成功，直方图近似

识别失败，估计是光照和角度影响，直方图差异大

大致描述下实现过程，先准备预设图片，用树莓派的摄像头拍一下，准备好，省的后续环境因素影响大，难以匹配。预设图片和实时捕获的图片同样的处理方法，开始愉快的写代码:

转换颜色空间：

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

定义感兴趣的颜色区域

lower_blue = np.array([110, 50, 50])

upper_blue = np.array([130, 255, 255])

mask = cv2.inRange(hsv, lower_blue, upper_blue)

为了过滤掉其他小面积的蓝色噪点，用3*3的卷积核腐蚀2次，膨胀一次，

mask = cv2.inRange(hsv, lower_blue, upper_blue)

kernel = np.ones((3,3), np.uint8)

erosion = cv2.erode(mask, kernel, iterations = 2)

dilation = cv2.dilate(erosion, kernel, iterations = 1)

得到蓝色区域

res = cv2.bitwise_and(img, img, mask= dilation)

计算直方图

originHist = cv2.calcHist([res], [0], mask, [256], [0, 256])

比较两个直方图，用巴氏距离，其他还有卡方或是相关性比较等还没来得及对比测试。设置一个比较宽松的范围，0.5以下即认为匹配成功，最好的情况是0.16。匹配成功后让小车的灯闪5秒。

comp = cv2.compareHist(flashHist, currentHist, cv2.HISTCMP_BHATTACHARYYA)

if comp

car.flash_light_on(80)

time.sleep(5)

car.flash_light_off()

最后将拼接好的图片写到系统临时目录下，用mjpg-streamer通过http输出，浏览器可查看

output[0:480,-640:] = resImg

cv2.imwrite(('/tmp/cv/output%03d.jpg' % (i%100)), output)

启动mjpg_streamer

mjpg_streamer -i "input_file.so -f /tmp/cv/" -o "output_http.so -w /usr/local/share/mjpg-streamer/www"

如果OpenCV无法访问摄像头，执行下面命令：

sudo modprobe bcm2835-v4l2

最后执行

python3 SmartCarControlByCV.py

打开浏览器，用以下地址可查看效果，延迟比较大。mjpg-streamer的使用见历史文章。

http://ip:8080/?action=stream

当然也可以训练其他的图片，让小车做其他的行为，在树莓派之外的环境也可实现。本文写的比较稚嫩，方法也比较初级，慢慢升级，后续手势控制也有了可行性。

完整的代码见：SmartCarControlByCV.py

Git地址：

https://github.com/Cat-31/Cat31Driver.git

复制链接可在浏览器查看代码

https://github.com/Cat-31/Cat31Driver/tree/master