如何准确检测和定位汽车保险丝？

如何解决如何准确检测和定位汽车保险丝？

目前我正在做一个项目，我需要测量汽车保险丝的宽度。为了实现这一点，我需要检测和定位图像上的保险丝。 fuse_image

我的计划是找到带有保险丝的边界矩形区域，然后在该区域的固定位置搜索导线轮廓。fuse_contours

我已经尝试过基于 ORB、BRISK 特征的模板匹配，但结果不可接受。也许有人可以提出一些可能的方法来解决这个任务？

解决方法

我们可以通过应用Canny操作来查看图像的特征来开始这个问题。结果是：

目的是计算宽度。因此我们只需要图像的左右外长。我们不需要内线。要移除内部特征，我们可以smooth 图像。

我们如何准确计算宽度？我们可以将哪些部分的功能作为参考？如果我们考虑基数？基本功能是：

我们如何找到基本特征坐标？

• 蓝点是y坐标值最高的点

• 红点是x坐标值最高的点

对于所有检测到的线坐标，我们需要找到对应的x坐标值的最高y坐标值。我们需要找到对应的 y 值的最高 x 坐标值。

为了检测线坐标，我们可以使用 fast line detector。结果将是：

我们可以计算欧几里得距离，即：146.49 像素

这个想法是基于找到基数然后计算欧几里得距离。

---

更新

保险丝的方向可以随意。

首先，我们需要获取图像的保险丝部分。

其次，我们需要获得 canny 特征（或任何其他过滤方法）

此时我们需要找到保险丝的左侧（蓝点）和右侧（红点）部分：

如果我们连接它们：

我们将获得大约长度的保险丝。

那么我们如何找到保险丝的左右部分？

• 寻找左边部分：

  • 1. From the current x1,x2 tuples
    2. If min(x1,x2) < x_min
    3.     x_min = min(x1,x2)
    

• 找到正确的部分：

  • 1. From the current x1,x2 tuples
    2. If max(x1,x2) > x_max
    3.     x_max = max(x1,x2)
    

这是我解决问题的想法。您可以修改以获得更好的结果。

---

代码：

# Load libraries
import cv2
import numpy as np

# Load the image
img = cv2.imread("E8XlZ.jpg")

# Get the image dimension
(h,w) = img.shape[:2]

# Convert to hsv
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

# Get the binary-mask
msk = cv2.inRange(hsv,np.array([0,24,161]),np.array([77,255,217]))

# Display the mask
cv2.imshow("msk",msk)
cv2.waitKey(0)

# Smooth the image
gauss = cv2.GaussianBlur(msk,(21,21),0)

# Canny features
cny = cv2.Canny(gauss,50,200)

# Display canny features
cv2.imshow("cny",cny)
cv2.waitKey(0)

# Initialize line-detector
lns = cv2.ximgproc.createFastLineDetector().detect(cny)

# Initialize temporary variables
x_min,x_max,y_min,y_max = w,0

# Detect the lines
for line in lns:

    # Get current coordinates
    x1 = int(line[0][0])
    y1 = int(line[0][1])
    x2 = int(line[0][2])
    y2 = int(line[0][3])

    # Get maximum coordinates
    if max(x1,x2) > x_max:
        x_max = max(x1,x2)
        y_max = y1 if x_max == x1 else y2

    if min(x1,x2) < x_min:
        x_min = min(x1,x2)
        y_min = y1 if x_min == x1 else y2

# Draw the points
cv2.circle(img,(x_min,int((y_min + y_max)/2)),3,(255,0),5)
cv2.circle(img,(x_max,(0,255),5)

# Write coordinates to the console
print("Coordinates: ({},{})->({},{})".format(x_min,int((y_min + y_max)/2),int((y_min + y_max)/2)))

# Draw the minimum and maximum coordinates
cv2.line(img,5)

# Calculate the euclidean distance
pt1 = np.array((x_min,int((y_min + y_max)/2)))
pt2 = np.array((x_max,int((y_min + y_max)/2)))
dist = np.linalg.norm(pt1 - pt2)
print("Result: %.2f pixel" % dist)

# Display the result
cv2.imshow("img",img)
cv2.waitKey(0)