2021电赛D题:基于互联网的摄像测量系统 思路

2023-12-23 03:20

本文主要是介绍2021电赛D题:基于互联网的摄像测量系统 思路,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2021年全国电赛题目如下:

一:主要思路

基于opencv,树莓派,以及网络交换机组成的摄像测量系统。由测量摄像
系统与网络传输系统组成。支持开机自启动,一键测量,声光提示结束测量,高帧率显
示图像的系统。其中摄像系统包括两组树莓派与摄像头组合,网络传输系统由网线,以
太网交换机,以及终端树莓派及其树莓派组成。通过测量目标物体的像素位置,将坐标通
过网络交换机传递给终端服务器进行绳长的计算。并且通过记录激光头在图像的最大位
置与稳态位置的x 坐标差值之比进行对摆动角的计算。最终做到了测量绳长度误差小于
2cm、测量角度误差小于5°。

二:主要原理

1.视频流的处理

将树莓派得到的图像上载到局域网下,通过交换机进行局域网的数据传输:即三个树莓派全部插在交换机接口上,得到一个局域网,每个树莓派将获得一个ip地址,将树莓派摄像头采集到的视频流传输上局域网下,图像处理即opencv只需直接从局域网下直接读取视频转化为图像进行处理,终端树莓派即显示双图像树莓派也可从局域网下下载图像。

 使用的方法:python的requests(从局域网下下载图像)、socket(局域网下的数据传输)、opencv(图像处理)。

局域网下的视频流上传:

opencv-python——使用mjpg-streamer实现实时视频流获取并进行远程图像处理操作_Irving.Gao的博客-CSDN博客

需要注意的是

只需到subversion即可 

按照流程进行下载和开启,就可以从局域网http://localhost:8080/得到图像(localhost是测量的树莓派的ip地址)

以下代码即可得到图像信息即返回值img_cv

url = "http://localhost:8080/?action=snapshot"
def downloadImg():global urlwith request.urlopen(url) as f:data = f.read()img1 = np.frombuffer(data, np.uint8)#print("img1 shape ", img1.shape) # (83653,)img_cv = cv2.imdecode(img1, cv2.IMREAD_ANYCOLOR)return img_cv

2.局域网下的数据传输

client = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
ip_port = (("host", 27830)) #host主机地址即终端 27830随机设置即端口号

传输:

trans = '1 ' + str(box[0][0]) + ' ' + str(box[0][1]) + ' ' + str(box[1][0]) + ' ' + str(box[1][1]) + ' ' + str(box[2][0]) + ' ' + str(box[2][1]) + ' ' + str(box[3][0]) + ' ' + str(box[3][1]) + ' ' + str(bias_x) + ' ' + str(long)
try:client.send(trans.encode('utf-8'))  # 设置编码为utf-8
except:print('transport error')

这是我的数据传输端:trans是传输的数据,其中包括从机序号 '1/2'+目标矩形框的坐标和本机树莓派测量得到的长度和x/y方向的偏差值(用于主机整合信息测量角度)

下面是主机的连接和获取

连接:

def link_ip():server.bind(("192.168.1.3", 27830))  # 地址与端口server.listen(10)print("等待连接..")time.sleep(10)num = 0while num<2:if num==1:conn, addr = server.accept()  # 等待连接print("conn:", conn, "\naddr:", addr) # conn连接实例else:conn1, addr = server.accept()  # 等待连接print("conn:", conn1, "\naddr:", addr) # conn连接实例num+=1return [conn, conn1]

获取与解码:

def get_data(cnn, image, image1):long = 0get_n = 0msg = cnn[0].recv(1024).decode('utf-8')  # 接受数据并按照utf-8解码msg1 = cnn[1].recv(1024).decode('utf-8')  # 接受数据并按照utf-8解码get_r = msg.split(' ')get_r1 = msg1.split(' ')

将得到的数据变换后得到框图信息和长度、偏差信息,得到需要的数据并对应每一张图片进行框图和计算。

3.opencv识别激光笔

可以将激光笔换成其他易识别颜色,通过色域的划分和图像滤波处理,排除其他干扰,得到目标位置框图并画框:

确定色域的值:

# -*- coding:utf-8 -*-import cv2
import numpy as np
from urllib import requesturl = "http://:8080/?action=snapshot"def downloadImg():global urlwith request.urlopen(url) as f:data = f.read()img1 = np.frombuffer(data, np.uint8)#print("img1 shape ", img1.shape) # (83653,)img_cv = cv2.imdecode(img1, cv2.IMREAD_ANYCOLOR)return img_cvdef mouse_click(event, x, y, flags, para):if event == cv2.EVENT_LBUTTONDOWN:  # 左边鼠标点击# print('PIX:', x, y)# print("BGR:", img[y, x])# print("GRAY:", gray[y, x])print("HSV:", hsv[y, x])if __name__ == '__main__':cv2.namedWindow("img")cv2.setMouseCallback("img", mouse_click)cv2.setMouseCallback("img1", mouse_click)while True:image = downloadImg() #cv2.imread('1.jpg') # 根据路径读取一张图片
#        (grabbed, img) = cap.read()gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow('img', image)if cv2.waitKey() == ord('q'):breakcv2.destroyAllWindows()

其中的url是自己的树莓派从机ip即第一步,得到图像,鼠标点击需要识别的位置,即会返回次点的hsv色域值,改变接下来识别的color_dist即可得到hsv的大致范围,接下来即可得到lower和upper,可以作为opencv的色域范围,也方便现场调参

识别和数据处理:

color_dist = {'red': {'Lower': np.array([25, 100, 100]), 'Upper': np.array([55, 185, 185])}}
frame = downloadImg()  # cv2.imread('1.jpg') # 根据路径读取一张图片
gs_frame = cv2.GaussianBlur(frame, (5, 5), 0)  # 高斯模糊
hsv = cv2.cvtColor(gs_frame, cv2.COLOR_BGR2HSV)  # 转化成HSV图像
erode_hsv = cv2.erode(hsv, None, iterations=2)  # 腐蚀 粗的变细
inRange_hsv = cv2.inRange(erode_hsv, color_dist[ball_color]['Lower'], color_dist[ball_color]['Upper'])
cnts = cv2.findContours(inRange_hsv.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
try:c = max(cnts, key=cv2.contourArea)
except:cv2.imshow('camera', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcontinue
rect = cv2.minAreaRect(c)
box = cv2.boxPoints(rect)
# print(box)
img_min_x = box[0][0]
img_max_x = box[0][0]
for i in range(1, len(box)):img_min_x = min(img_min_x, box[i][0])img_max_x = max(img_max_x, box[i][0])
if not img_num:# 这里是由于第一帧图片没有前一帧min_x = img_min_xmax_x = img_max_ximg_num += 1
min_x = min(min_x, img_min_x)
max_x = max(max_x, img_max_x)
bias_x = (max_x - min_x) / 2
me_y = (box[0][1] + box[1][1] + box[2][1] + box[3][1]) / 4
long = 0.08264 * me_y + 80.39 #拟合得到的数据,求长度,后面说明,需自己测量

改进思路:

未来防止可能的扰动误差,可以在动态图像的基础上进行处理,通过前后帧的区别找出动态区域,对该区域进行色域识别,可以滤除背景中可能的颜色重叠,这样也可以增加色域的范围大小,报账识别率。

由上一步的数据传输可以在终端主机上看到如下图

4:数据处理

如上部分的opencv中包含了数据处理,以下为讲解:

两个从机处理图像时,需要测量的是x范围的偏差值即图中的x1,x2,并传回主机,这样就可以主机对角度的测量,在具体实现中,不考虑上下误差(绳子很长)

 

对于在实际中的激光笔抖动可以很容易发现,在45°时,抖动对于x的测量没有影响,在0°和90°时,抖动主要是左右,即需在0°除2,45°除1,在中间角度线性除法,即可消除一部分的抖动误差

具体代码实现见上,思路也可参照下面的图

如何得到绳的长度:

采用的是多长度线性拟合,多次测量绳长与当前位置的y像素值(大约5-6组),在matlab中使用曲线拟合工具,拟合为一元二次方程,在拟合过程中可以发现拟合的直线比较好的将大部分点包围左右,最后在终端中进行加权平均,就可以大致获得绳长,效果较佳。 

三.最终成品

这篇关于2021电赛D题:基于互联网的摄像测量系统 思路的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/526526

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能