【智控万物】手势识别+OpenCV 单目测距实现控灯
本帖最后由 云天 于 2021-12-19 18:44 编辑【OpenCV 单目测距】https://img-blog.csdnimg.cn/20181222230529598.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2lrb2lpaWk=,size_16,color_FFFFFF,t_70以上是一个典型的小孔成像模型，与单目相机的成像原理类似。
中间通过红蓝的垂线是相机的主光轴，d是被测物体至镜头的距离，f为相机镜头的焦距，w为被测物体的实际宽度（高度），w'为物体在成像平面（感光元件）上的宽度（高度）。
根据相似三角形公式可得：f / d = w' / w
【计算f（相机镜头焦距）】
用OpenCV识别颜色块，来计算f（相机镜头焦距）
绘制已知间距的颜色块
利用以下程序，在实际“实际宽度”w=12cm,"测物体至镜头的距离"d=20,测得：“物体在成像平面（感光元件）上的宽度”，w'=384
根据公式可得：f=20/12*384=640
import cv2
import math
import numpy as np
ball_color = 'green'
boxs=[]
color_dist = {'red': {'Lower': np.array(), 'Upper': np.array()},
'blue': {'Lower': np.array(), 'Upper': np.array()},
'green': {'Lower': np.array(), 'Upper': np.array()},
}
cap = cv2.VideoCapture(0)
cv2.namedWindow('camera', cv2.WINDOW_AUTOSIZE)
while cap.isOpened():
ret, frame = cap.read()
if ret:
if frame is not None:</p><p> #图像处理</p><p> 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，用于去除噪声点
inRange_hsv = cv2.inRange(erode_hsv, color_dist['Lower'], color_dist['Upper'])#去除背景部分，将绿色以外的其他部分去除掉，并将图像转化为二值化图像</p><p> #绘制矩形边框
cnts = cv2.findContours(inRange_hsv.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]#使用该函数找出方框外边界，并存储在cnts中
k=1
if cnts:
#找到两个相邻的方块，并计算中心间距
for i in cnts:
rect = cv2.minAreaRect(i)
box = cv2.boxPoints(rect)
if k==1:
boxs1=box
if k==2:
boxs2=box
k=k+1
cv2.drawContours(frame, , -1, (0, 255, 255), 2)#在原图像上将分析出的矩形边界绘制出来
if k>2:
x1=int((boxs1+boxs1+boxs1+boxs1)/4)
y1=int((boxs1+boxs1+boxs1+boxs1)/4)
x2=int((boxs2+boxs2+boxs2+boxs2)/4)
y2=int((boxs2+boxs2+boxs2+boxs2)/4)
cv2.line(frame,(x1,y1),(x2,y2), (0, 0, 255), 4,8)#在原图像上将找到的相邻方块的中心点连线
lenght=math.sqrt((x1-x2)**2+(y1-y2)**2)
print(lenght)
cv2.imshow('camera', frame)
cv2.waitKey(1)
else:
print("无画面")
else:
print("无法读取摄像头！")
cap.release()
cv2.waitKey(0)
cv2.destroyAllWindows()
【手距控灯】
测量实际中指到腕关节的距离，估测为18cm
import cv2
import math
from handutil import HandDetector
import numpy as np
import time
from pinpong.board import Board,Pin,NeoPixel #导入neopixel类
Board("uno").begin() #初始化，选择板型(uno、leonardo、xugu)和端口号，不输入端口号则进行自动识别
NEOPIXEL_PIN = Pin(Pin.D7)
PIXELS_NUM = 7 #灯数
np = NeoPixel(NEOPIXEL_PIN,PIXELS_NUM)
# 打开摄像头
cap = cv2.VideoCapture(0)
# 创建一个手势识别对象
detector = HandDetector()
# 指尖列表，分别代表腕关节,大拇指、食指、中指、无名指和小指的指尖
tip_ids =
lenght=0
num=0
while True:
success, img = cap.read()
if success:
# 检测手势
img = detector.find_hands(img, draw=True)
# 获取手势数据
lmslist = detector.find_positions(img)
if len(lmslist) > 0:
fingersX = []
fingersY = []
for tid in tip_ids:
# 找到每个指尖的位置
x, y = lmslist, lmslist
cv2.circle(img, (x, y), 8, (255, 255, 0), cv2.FILLED)
if tid == 0:
fingersX.append(x)
fingersY.append(y)
if tid == 4:
fingersX.append(x)
fingersY.append(y)
if tid == 8:
fingersX.append(x)
fingersY.append(y)
if tid == 12:
fingersX.append(x)
fingersY.append(y)
if tid == 16:
fingersX.append(x)
fingersY.append(y)
if tid == 20:
fingersX.append(x)
fingersY.append(y)
#计算图像中指到腕关节的距离，并求和
lenght=math.sqrt((fingersX-fingersX)**2+(fingersY-fingersY)**2)
#18为实际中指到腕关节的距离
lenght=640/lenght*18
for num in range(0,int(lenght/80*7)):
# 找到对应的手势图片并显示
if num>6:
num=6
np = (255, 0 ,0)
if num<6:
for k in range(num,7):
np = (0, 0 ,0)
for i in range(1,6):
cv2.line(img, (fingersX, fingersY), (fingersX, fingersY), (0, 0, 255), 4,8)
print(lenght)
cv2.imshow('Image', img)
k = cv2.waitKey(1)
if k == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
https://v.youku.com/v_show/id_XNTE3MTc3MjQ1Mg==.html
页:
[1]