Python 使用opencv测量两个元素之间的距离

我有从车里拍的视频。我的程序是测量前轮和路面白线之间的距离。此脚本对于左侧视频和右侧视频运行良好

但有时它测量的是前轮和右侧白线之间的错误距离

thresh = 150
distance_of_wood_plank = 80
pixel_of_wood_plank = 150
origin_width = 0
origin_height = 0
wheel_x = 0; wheel_y = 0 #xpoint and ypoint of wheel

df = pandas.DataFrame(columns=["Frame_No", "Distance", "TimeStrap"])
cap = cv2.VideoCapture(args.video)
frame_count = 0;
while(cap.isOpened()): #Reading input video by VideoCapture of Opencv
    try:
        frame_count += 1
        ret, source = cap.read() # get frame from video
        origin_height, origin_width, channels = source.shape

        timestamps = [cap.get(cv2.CAP_PROP_POS_MSEC)]
        milisecond = int(timestamps[0]) / 1000
        current_time = str(datetime.timedelta(seconds = milisecond))
        cv2.waitKey(1)
        grayImage = cv2.cvtColor(source, cv2.COLOR_RGB2GRAY) # get gray image
        crop_y = int(origin_height / 3 * 2) - 30
        crop_img = grayImage[crop_y:crop_y + 100, 0:0 + origin_width] # get interest area
        blur_image = cv2.blur(crop_img,(3,3))
        ret, th_wheel = cv2.threshold(blur_image, 10, 255, cv2.THRESH_BINARY) #get only wheel
        ret, th_line = cv2.threshold(blur_image, 150, 255, cv2.THRESH_BINARY) #get only white line
        contours, hierarchy = cv2.findContours(th_wheel, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2:]
        # get xpoint and ypoint of wheel
        for cnt in contours:
            x, y, w, h = cv2.boundingRect(cnt)
            if (x < origin_width/ 4):
                continue
            elif (w < 10):
                continue
            elif (w > 80):
                continue
            elif (x > origin_width / 4 * 3):
                continue
            wheel_x = int(x)
            wheel_y = int(y + h / 2 - 8)
        pixel_count = 0 # count of pixel between wheel and white line
        # get distance between wheel and white line
        if (wheel_x > origin_width/2):
            wheel_x -= 7
            for i in range(wheel_x, 0, -1):
                pixel_count += 1
                suit_point = th_line[wheel_y,i]
                if (suit_point == 255):
                    break
                if (i == 1):
                    pixel_count = 0
            pixel_count -= 4
            cv2.line(source, (wheel_x - pixel_count, wheel_y + crop_y), (wheel_x, wheel_y + crop_y), (255, 0, 0), 2)
        else :
            wheel_x += 7
            for i in range(wheel_x , origin_width):
                pixel_count += 1
                suit_point = th_line[wheel_y,i]
                if (suit_point == 255):
                    break
                if (i == origin_width - 1):
                    pixel_count = 0
            pixel_count += 4
            cv2.line(source, (wheel_x, wheel_y + crop_y), (wheel_x + pixel_count, wheel_y + crop_y), (255, 0, 0), 2)
        distance_Cm = int(pixel_count * 80 / pixel_of_wood_plank)
        str_distance = ""
        if distance_Cm > 10:
            str_distance = str(distance_Cm) + "Cm"
        else:
            str_distance = "No white line"

        cv2.putText(source, str_distance, (50, 250), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)

        df = df.append({'Frame_No': frame_count,'Distance': str_distance ,'TimeStrap': current_time}, ignore_index = True)

        df.to_csv("result.csv")
        cv2.imshow("Distance_window", source)
        cv2.waitKey(1)
    except:
        pass

thresh=150
木材与木板之间的距离=80
木材板材的像素=150
原点宽度=0
原点高度=0
轮_x=0；车轮y=0#车轮的X点和y点
数据帧（列=[“帧号”、“距离”、“时间陷阱”]）
cap=cv2.VideoCapture（args.video）
帧计数=0；
while（cap.isOpened（））：#通过Opencv的视频捕获读取输入视频
尝试：
帧计数+=1
ret，source=cap.read（）#从视频中获取帧
原点高度，原点宽度，通道=source.shape
时间戳=[cap.get（cv2.cap\u PROP\u POS\u MSEC）]
毫秒=int（时间戳[0]）/1000
当前时间=str（datetime.timedelta（秒=毫秒））
cv2.等待键（1）
grayImage=cv2.CVT颜色（源，cv2.COLOR_RGB2GRAY）#获取灰度图像
裁剪y=int（原点高度/3*2）-30
裁剪图像=灰度图像[裁剪y:裁剪y+100，0:0+原点宽度]#获取感兴趣区域
模糊图像=cv2.模糊（裁剪图像，（3,3））
ret，th_wheel=cv2.threshold（模糊图像，10255，cv2.THRESH_二进制）#仅获取wheel
ret，th_line=cv2.threshold（模糊图像，150255，cv2.THRESH_二进制）#仅获取白线
轮廓，层次=cv2.findContours（th_车轮，cv2.RETR_列表，cv2.CHAIN_近似简单）[2:]
#获取轮子的xpoint和ypoint
对于轮廓中的cnt：
x、 y，w，h=cv2.boundingRect（cnt）
如果（x<原点\宽度/4）：
持续
elif（w<10）：
持续
elif（w>80）：
持续
elif（x>原点宽度/4*3）：
持续
车轮x=int（x）
车轮y=int（y+h/2-8）
像素计数=0#滚轮和白线之间的像素计数
#获取车轮和白线之间的距离
如果（车轮>原点>宽度/2）：
车轮x-=7
对于范围内的i（车轮x，0，-1）：
像素计数+=1
适配点=第一线[轮y，i]
如果（拟合点=255）：
打破
如果（i==1）：
像素计数=0
像素计数-=4
cv2.行（源，（轮x-像素数，轮y+裁剪y），（轮x，轮y+裁剪y），（255，0，0），2）
其他：
车轮x+=7
对于范围内的i（车轮x，原点x宽度）：
像素计数+=1
适配点=第一线[轮y，i]
如果（拟合点=255）：
打破
如果（i==原点\宽度-1）：
像素计数=0
像素计数+=4
cv2.行（源，（轮x，轮y+裁剪y），（轮x+像素计数，轮y+裁剪y），（255，0，0），2）
距离\u Cm=int（像素数*80/像素木板）
str_distance=“”
如果距离_Cm>10：
距离=距离+厘米
其他：
str_distance=“无白线”
cv2.putText（源，str_距离，（50250），cv2.FONT_HERSHEY_单纯形，1，（255，0，0），2，cv2.LINE_AA）
追加（{'Frame\u No'：Frame\u count，'Distance'：str\u Distance，'TimeStrap'：current\u time}，ignore\u index=True）
df.to_csv（“result.csv”）
cv2.imshow（“距离窗口”，来源）
cv2.等待键（1）
除：
通过

---

以下是视频链接-

您在测量轮胎和白线之间的距离方面做得非常好。你需要考虑的是你的样品中有多少噪音。除非你停下卡车，下车，用卷尺测量轮胎到线路的距离，否则你永远不会知道它到底有多远。你还需要考虑到（除非你弄坏了卡车），轮胎与白线之间的距离在每个帧之间不会超过几像素。

最好的解决方案是卡尔曼滤波器，但这相当复杂。我使用了一个更简单的解决方案。为了找到线的位置，我平均了最后四个值以减少噪音

将numpy作为np、cv2导入
thresh=150
木材与木板之间的距离=80
木材板材的像素=150
原点宽度=0
原点高度=0
轮_x=0；车轮y=0#车轮的X点和y点
cap=cv2.VideoCapture（'/home/stephen/Desktop/20180301 1100 VW Right.mp4'）
帧计数=0；
vid_writer=cv2.VideoWriter（'/home/stephen/Desktop/writer.avi'，cv2.VideoWriter_fourcc（'M'，'J'，'P'，'G'），30，（480360））
职位=[]
输入数学
定义距离（a，b）：返回数学sqrt（（a[0]-b[0]）**2+（a[1]-b[1]）**2）
while（cap.isOpened（））：#通过Opencv的视频捕获读取输入视频
帧计数+=1
ret，source=cap.read（）#从视频中获取帧
原点高度，原点宽度，通道=source.shape
grayImage=cv2.CVT颜色（源，cv2.COLOR_RGB2GRAY）#获取灰度图像
裁剪y=int（原点高度/3*2）-30
裁剪图像=灰度图像[裁剪y:裁剪y+100，0:0+原点宽度]#获取感兴趣区域
模糊图像=cv2.模糊（裁剪图像，（3,3））
ret，th_wheel=cv2.threshold（模糊图像，10255，cv2.THRESH_二进制）#仅获取wheel
ret，th_line=cv2.threshold（模糊图像，150255，cv2.THRESH_二进制）#仅获取白线
轮廓，层次=cv2.findContours（th_车轮，cv2.RETR_列表，cv2.CHAIN_近似简单）[2:]
#获取轮子的xpoint和ypoint
对于轮廓中的cnt：
x、 y，w，h=cv2.boundingRect（cnt）
如果（x<原点\宽度/4）：
持续
elif（w<10）：
持续
elif（w>80）：
持续
elif（x>原点宽度/4*3）：
持续
车轮x=int（x）
车轮y=int（y+h/2-8）
皮克斯
import numpy as np, cv2

thresh = 150
distance_of_wood_plank = 80
pixel_of_wood_plank = 150
origin_width = 0
origin_height = 0
wheel_x = 0; wheel_y = 0 #xpoint and ypoint of wheel

cap = cv2.VideoCapture('/home/stephen/Desktop/20180301 1100 VW Right.mp4')
frame_count = 0;
vid_writer = cv2.VideoWriter('/home/stephen/Desktop/writer.avi', cv2.VideoWriter_fourcc('M','J','P','G'), 30, (480,360))

positions = []

import math
def distance(a,b): return math.sqrt((a[0]-b[0])**2 + (a[1]-b[1])**2)

while(cap.isOpened()): #Reading input video by VideoCapture of Opencv
    frame_count += 1
    ret, source = cap.read() # get frame from video
    origin_height, origin_width, channels = source.shape
    grayImage = cv2.cvtColor(source, cv2.COLOR_RGB2GRAY) # get gray image
    crop_y = int(origin_height / 3 * 2) - 30
    crop_img = grayImage[crop_y:crop_y + 100, 0:0 + origin_width] # get interest area
    blur_image = cv2.blur(crop_img,(3,3))
    ret, th_wheel = cv2.threshold(blur_image, 10, 255, cv2.THRESH_BINARY) #get only wheel
    ret, th_line = cv2.threshold(blur_image, 150, 255, cv2.THRESH_BINARY) #get only white line
    contours, hierarchy = cv2.findContours(th_wheel, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2:]
    # get xpoint and ypoint of wheel
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        if (x < origin_width/ 4):
            continue
        elif (w < 10):
            continue
        elif (w > 80):
            continue
        elif (x > origin_width / 4 * 3):
            continue
        wheel_x = int(x)
        wheel_y = int(y + h / 2 - 8)
    pixel_count = 0 # count of pixel between wheel and white line
    # get distance between wheel and white line
    if (wheel_x > origin_width/2):
        wheel_x -= 7
        for i in range(wheel_x, 0, -1):
            pixel_count += 1
            suit_point = th_line[wheel_y,i]
            if (suit_point == 255):
                break
            if (i == 1):
                pixel_count = 0
        pixel_count -= 4
    else :
        wheel_x += 7
        for i in range(wheel_x , origin_width):
            pixel_count += 1
            suit_point = th_line[wheel_y,i]
            if (suit_point == 255):
                break
            if (i == origin_width - 1):
                pixel_count = 0
        pixel_count += 4
        a,b = (wheel_x - pixel_count, wheel_y + crop_y), (wheel_x, wheel_y + crop_y)
        if distance(a,b)>10: positions.append((wheel_x + pixel_count, wheel_y + crop_y))

    if len(positions)>10:
        radius = 2
        for position in positions[-10:]:
            radius += 2
            center = tuple(np.array(position, int))
            color = 255,255,0
            cv2.circle(source, center, radius, color, -1)
        x,y = zip(*positions[-4:])
        xa, ya = np.average(x), np.average(y)
        center = int(xa), int(ya)
        cv2.circle(source, center, 20, (0,0,255), 10)

    cv2.imshow("Distance_window", source)
    vid_writer.write(cv2.resize(source, (480,360)))
    k = cv2.waitKey(1)
    if k == 27: break

cv2.destroyAllWindows()