使用OpenCV检测停车位

Question

我正在尝试使用opencv自动查找并找到空旷停车场内的所有停车位。

目前，我有一个阈值图像的代码，应用canny边缘检测，然后使用概率hough线找到标记每个停车位的线。

程序然后绘制线条和构成线条的点

以下是代码：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

using namespace cv;
using namespace std;

int threshold_value = 150;
int threshold_type = 0;;
int const max_value = 255;
int const max_type = 4;
int const max_BINARY_value = 255;

int houghthresh = 50;

char* trackbar_value = "Value";

char* window_name = "Find Lines";

int main(int argc, char** argv)
{
 const char* filename = argc >= 2 ? argv[1] : "pic1.jpg";
 VideoCapture cap(0);
 Mat src, dst, cdst, tdst, bgrdst;
 namedWindow( window_name, CV_WINDOW_AUTOSIZE );

 createTrackbar( trackbar_value,
          window_name, &threshold_value,
          max_value);

while(1)
{
 cap >> src;
 cvtColor(src, dst, CV_RGB2GRAY);
 threshold( dst, tdst, threshold_value, max_BINARY_value,threshold_type );
 Canny(tdst, cdst, 50, 200, 3);
 cvtColor(tdst, bgrdst, CV_GRAY2BGR);

  vector<Vec4i> lines;
  HoughLinesP(cdst, lines, 1, CV_PI/180, houghthresh, 50, 10 );
  for( size_t i = 0; i < lines.size(); i++ )
  {
    Vec4i l = lines[i];
    line( bgrdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,255,0), 2, CV_AA);
    circle( bgrdst,
         Point(l[0], l[1]),
         5,
         Scalar( 0, 0, 255 ),
         -1,
         8 );
    circle( bgrdst,
         Point(l[2], l[3]),
         5,
         Scalar( 0, 0, 255 ),
         -1,
         8 );
  }

 imshow("source", src);
 imshow(window_name, bgrdst);

 waitKey(1);
}
 return 0;
}

目前，我的主要问题是弄清楚如何推断线数据以找到每个停车位的位置。我的目标是让opencv找到停车位，并在每个停车位上画出一个矩形，上面标有斑点。

我认为我目前使用的方法存在一些主要问题，因为如输出图像所示，opencv检测除2个端点以外的线路上的多个点。这可能会使用opencv很难连接2个相邻的端点。

我读过一些关于使用凸壳的信息，但我不确定它是做什么以及它是如何工作的。

任何帮助将不胜感激。 以下是我程序的输出图像： http://imageshack.us/photo/my-images/22/test1hl.png/

http://imageshack.us/photo/my-images/822/test2lw.png/

Answer 1

考虑细化二进制图像，然后检测终点和分支点。这是基于所提供图像的一个这样的结果;终点为红色，分支点为蓝色。

现在您可以找到停车位的位置。一对蓝点总是通过单个边连接。每个蓝点连接到两个或三个红点。然后有几种方法可以找到由两个蓝点和两个红点组成的停车位，最简单的是沿着这条线：找到最近的一对红点，其中一个点连接到某个蓝点，另一个红点连接到另一个蓝点。此步骤还可以通过检查所考虑边缘的平行线的接近程度来补充。