mi-task/README.md

黄色赛道检测与距离估算

这个项目提供了一套用于检测黄色赛道并估算距离的工具。基于OpenCV的计算机视觉技术，能够从图像中识别黄色赛道，计算方向角度，并估算摄像机到赛道前方的距离。

功能特点

• 黄色赛道检测与分割
• 赛道方向和角度计算
• 赛道距离估算
• 结果可视化展示
• 提供易于使用的测试工具

安装依赖

确保已安装以下依赖库：

pip install opencv-python numpy

使用方法

基本用法

from utils.detect_track import detect_yellow_track, visualize_track_detection

# 检测赛道并估算距离
image_path = "path/to/your/image.jpg"
distance, path_info = detect_yellow_track(image_path)

if distance is not None:
    print(f"估算距离: {distance:.2f}米")
    print(f"赛道角度: {path_info['track_angle']:.2f}°")
    print(f"转向方向: {path_info['turn_direction']}")

# 可视化检测过程
visualize_track_detection(image_path, save_path="result.jpg")

使用测试脚本

项目提供了一个方便的测试脚本：

python test_track_detection.py --image path/to/your/image.jpg --observe --save result.jpg

参数说明：

• --image: 要处理的图像路径（必需）
• --save: 结果图像保存路径（可选）
• --observe: 显示处理步骤的中间结果
• --delay: 中间步骤显示的延迟时间，单位为毫秒（默认500ms）

技术细节

检测原理

1. 将图像转换为HSV颜色空间
2. 使用颜色阈值提取黄色区域
3. 寻找轮廓并合并相关区域
4. 计算赛道的上部和下部中心点
5. 基于中心点计算方向角度
6. 根据黄色区域在图像中的占比估算距离

距离估算

距离估算基于以下假设：

• 黄色赛道在图像中的占比与实际距离有反比关系
• 占比越大，距离越近；占比越小，距离越远

注意：实际应用中，建议根据相机参数和实际测量进行标定，以获得更准确的结果。

函数说明

• preprocess_image(image): 预处理图像，进行边缘检测
• detect_yellow_track(image, observe=False, delay=500): 检测黄色赛道并估算距离
• visualize_track_detection(image, save_path=None, observe=False, delay=500): 可视化检测过程
• estimate_distance_to_track(image): 估算到赛道的距离（简化版API）

调整参数

如果检测效果不理想，可以尝试调整以下参数：

1. HSV颜色范围（针对不同光照条件）:

lower_yellow = np.array([20, 100, 100])  # 调整黄色的下限
upper_yellow = np.array([30, 255, 255])  # 调整黄色的上限

2. 轮廓近似参数:

epsilon = 0.01 * cv2.arcLength(all_contours, False)  # 调整系数（0.01）

3. 距离估算系数:

normalized_distance = min(10.0, max(0.0, estimated_distance / 100.0))  # 调整系数（100.0）

示例结果

处理后的图像将包含以下信息：

• 红色点：表示赛道的顶部和底部中心点
• 绿色线：表示赛道的中心线
• 文本信息：距离、角度和方向

注意事项

• 该方法在光照条件稳定的环境中效果最佳
• 黄色赛道需要与背景有足够的对比度
• 摄像机应保持相对稳定的高度和角度
• 实际应用中需要根据具体场景调整参数