去畸变请参考：图像处理去畸变教程_LoseHu的博客-CSDN博客

去畸变+逆透视请参考：智能车去畸变+逆透视教程_LoseHu的博客-CSDN博客

逆透视：如下

1.简介

对于初做车的同学，看见摄像头图像神奇的侧视角难免会有些烦躁，我刚开始也是如此，所以在此，想详细的分享一下我们的透视变换方案。（实战教学）

先上各种效果图。

优点：

使用指针映射透视变换数组，只需要初始化映射一次，后续不需要时间

通用性强，可移植性高

还可以已知原图坐标情况下求透视后坐标

2.摄像头环境

硬件：总钻风摄像头（由于多车组使用沁恒芯片，修改过硬件适应dvp）

镜头：140度镜头,畸变小于5%

摄像头分辨率：120*188（长*宽）

透视图分辨率：100*114（长*宽）

摄像头高度：30cm左右

总钻风是很常见的智能车摄像头，之所以选用140度镜头，是因为其角度大，且畸变率非常小，完全不影响图像处理，可以省去去畸变的烦恼，摄像头120*188是因为其比例可以使视野最大。

3.逆透视简单原理

众所周知，对于十字这个元素，标准赛道（不算路肩、黑胶带），它是一个宽度为45cm的标准正方形。但是因为摄像头角度问题，十字的正方形在图片中是一个梯形。

那嚒我们所要做的，就是根据图片中的这一块梯形（实则是正方形），这一个信息，将图片进行拉伸变换，使之成为标准的俯视图。

公式：

w与w’在二维图中为1

已知结果图中坐标，通过上述公式就能在原图中找到对应的坐标。

那么这个3*3矩阵就是我们需要使用上位机求取的。

4.通过上位机求取矩阵

环境准备：

拍摄的十字图像（或正方形图像），灰度与二值化图均可，要能完全展示出正方形部分，如：

图像中可以显示出车头，因为在后续的透视过程中可以通过图像修改参数平移去除。

那么，根据图中的假正方形，就可以进行后续操作。

上位机操作：

结果图宽高：得到的透视图像的宽高。

方形中心距顶部像素：在结果图中，正方形的中心，距离图像最上端多少个像素行（值越大，图像越向下平移）。

方形像素边长：在结果图中，正方形的边长相当于多少个像素（值越大，图片就会被放大更多，如果是45，就是一像素对应1cm距离）。

四个XY值：图中方形四个顶点的坐标，通过鼠标右键在图中点击就可以自动输入（点击顺序：左下---右下---左上---右上）。

逆透视上位机操作

最终矩阵会复制到您的剪切板中，如：

{{-10.603578,4.261626,-292.576700},
{0.665623,6.708527,-1508.674551},
{0.000570,0.016935,-2.741442}};

注意事项：

1.图片经过逆透视操作后得到的结果图，因为对图片进行了拉伸，底边两个角落可能会出现无内容部分（如下图），使用时应当避免.可通过修改结果图大小，或者增大方形中心距顶部像素来对图形进行平移去除。

2.鼠标点击顺序要符合左下---右下---左上---右上。

有些图片打开失败，请检查图片后缀，有的是jpg格式，后缀却是bmp。

5.在智能车上使用矩阵：

原理说明：

求得矩阵后，就可根据矩阵，和结果图的坐标，计算出结果图中的某个点，在原图中的坐标。

但如果每获取到一帧图像，都进行一次映射，非常耗费时间。所以我们使用指针。

在初始化时只需要对指针地址进行一次映射，以后只需要调用指针数组，就可以获取到透视后的图。（需要注意的是，和图像一样的大的指针数组可能会导致您的内存溢出，所以建议将透视图尺寸缩小，即减小RESULT_ROW与RESULT_COL，也可以避免黑边出现）

change_un_Mat[3][3] 是你通过上位机求取的矩阵，在您的剪切板中。

ImageUsed[0][0]代表图像左上角的值

PER_IMG 为用来透视变换的图片，如果使用灰度图，那么ImageUsed就是灰度图的逆透视图，

如果使用二值化图，那么ImageUsed就是二值化的逆透视图

BlackColor的值为没有内容部分的灰度值。

只需要初始化时调用一次ImagePerspective_Init（）函数，只需要初始化时调用一次！！！！一次就行！！！！！！！

//
// Created by RUPC on 2022/9/20.
//
#define RESULT_ROW 100//结果图行列
#define RESULT_COL 114
#define         USED_ROW                120  //用于透视图的行列
#define         USED_COL                188
#define PER_IMG     SimBinImage//SimBinImage:用于透视变换的图像
#define ImageUsed   *PerImg_ip//*PerImg_ip定义使用的图像，ImageUsed为用于巡线和识别的图像
typedef unsigned char       uint8_t;                                              // 无符号  8 bits
uint8_t *PerImg_ip[RESULT_ROW][RESULT_COL];void ImagePerspective_Init(void) {static uint8_t BlackColor = 0;double change_un_Mat[3][3] = {          //114w*100h{ -0.01609759704190238, 0.01932561893613478, -2.040617594981866 }, {0.0004352209945470896, -0.000367865364438621,-0.7035606436969671 }, { 1.115951268069474e-005,0.0001970185393508392, -0.03104642853440032 }, };for (int i = 0; i < RESULT_COL ;i++) {for (int j = 0; j < RESULT_ROW ;j++) {int local_x = (int) ((change_un_Mat[0][0] * i+ change_un_Mat[0][1] * j + change_un_Mat[0][2])/ (change_un_Mat[2][0] * i + change_un_Mat[2][1] * j+ change_un_Mat[2][2]));int local_y = (int) ((change_un_Mat[1][0] * i+ change_un_Mat[1][1] * j + change_un_Mat[1][2])/ (change_un_Mat[2][0] * i + change_un_Mat[2][1] * j+ change_un_Mat[2][2]));if (local_x>= 0&& local_y >= 0 && local_y < USED_ROW && local_x < USED_COL){PerImg_ip[j][i] = &PER_IMG[local_y][local_x];}else {PerImg_ip[j][i] = &BlackColor;          //&PER_IMG[0][0];}}}}/*完成摄像头初始化后，调用一次ImagePerspective_Init，此后，直接调用ImageUsed   即为透视结果*/

屏幕显示透视变换后的灰度图DEMO：

int main(void)
{All_Init();//屏幕、摄像头、以及其他外设初始化ImagePerspective_Init();while(1){if (mt9v03x_finish_flag_dvp == 1) {uint8_t show[RESULT_ROW][RESULT_COL];for(int i=0;i<RESULT_ROW;i++){for(int j=0;j<RESULT_COL;j++){show[i][j]=ImageUsed[i][j];}}ips114_show_gray_image(0,0,show[0],RESULT_COL,RESULT_ROW,RESULT_COL,RESULT_ROW,0);mt9v03x_finish_flag_dvp = 0;}}
}

若想使用zf库函数显示需要针对指针略作更改，参考如下：

/**
*@Name          :ips114_show_gray_image_vec
*@Description   :ips114_show_gray_image_vec 显示透视变换指针所指的图像
*@Param         :
*@Return        :
*@Sample        :ips114_show_gray_image_vec(0,0,PerImg_ip,TRFED_COL,TRFED_ROW,TRFED_COL,TRFED_ROW,0);
**/
void ips114_show_gray_image_vec (uint16_t x, uint16_t y, uint8_t *p[][TRFED_COL], uint16_t width, uint16_t height, uint16_t dis_width, uint16_t dis_height, uint8_t threshold)
{zf_assert(x < ips114_x_max);zf_assert(y < ips114_y_max);uint32_t i = 0, j = 0;uint16_t color = 0,temp = 0;uint32_t width_index = 0, height_index = 0;ips114_set_region(x, y, x+dis_width-1, y+dis_height-1);                     // 设置显示区域for(j=0;j<dis_height;j++){height_index = j*height/dis_height;for(i=0;i<dis_width;i++){width_index = i*width/dis_width;temp = *p[height_index][width_index];                         // 读取像素点if(threshold == 0){color=(0x001f&((temp)>>3))<<11;color=color|(((0x003f)&((temp)>>2))<<5);color=color|(0x001f&((temp)>>3));ips114_write_16bit_data(color);}else if(temp < threshold)ips114_write_16bit_data(BLACK);elseips114_write_16bit_data(WHITE);}}
}

效果显示：

已知原图坐标情况下求透视后坐标

如果只想对边线或是某些点进行逆透视，在使用同样矩阵下，可以参考17届智能车-多车编队寻光测距_Wyean的博客-CSDN博客

6.资源文件

其中包含了测试图包

CSDN:https://download.csdn.net/download/wu58430/86399773

推荐github：https://github.com/wu58430/RUBO-IPM

如果只使用用途，下载github中Release即可。

现在已经完成了逆透视、去畸变、逆透视+去畸变的操作，除非程序有重大bug，后续不会考虑更新。此三种只是图片处理方法，如此软件只适用于简化和降低操作的门槛，以便大家共同进步，图像处理方法无好坏之分，但确实有精妙与粗糙之别。

版权声明：

此软件仅用于竞赛、学习交流，禁止任何商业用途，包括有营利性的、商业的教学指导活动。

7.更新日志

2022.8.23 修复了不同版本windows兼容问题

2022.8.27 修复中文路径、视图大小异常问题，缩小程序体积

2022.9.23 增加了彩色图像显示，输出格式改为数组

2022.10.7 代码迁移至QT6.3.1环境，加入去畸变，加入保存图片功能
2022.10.29 融合两种方法，修复保存图像色彩错误问题

智能车图像处理逆透视教程相关推荐

智能车图像处理去畸变教程
逆透视请参考:智能车逆透视教程(含上位机.源码)_Wyean的博客-CSDN博客去畸变+逆透视请参考:智能车去畸变+逆透视教程_LoseHu的博客-CSDN博客去畸变:如下 1.简介对于镜头而 ...
【第十七届智能车】智能车图像处理（2）-赛道边界的简单提取和无元素循迹
本博客使用的图像是188*120的大津法二值化图像.摄像头安装高度为25cm(离地),前瞻长度约1m. 智能车图像处理的过程就是读取输入的图像,经过处理后向控制部分输出一个偏差值,控制部分根据再这个偏 ...
智能车图像处理之透视变换
透视变换介绍透视变换被广泛应用于投影仪器.倒车影像等视觉设备当中.在智能车竞赛中,通过摄像头对赛道信息的采集,在单片机上提取赛道两边的边缘,经过处理后控制小车在赛道边缘内行驶.但由于摄像头与赛道之间 ...
智能车图像处理-阳光算法
阳光算法见仁见智,多阈值OSTU和模糊OSTU是我参考论文进行改进的,整篇内容都放进了我的本科毕业论文中. 感谢大家的留言和指正,首先,这个算法经过实践,确实存在问题,因为当时毕业比较忙,我在智能车上 ...
智能车竞赛逆透视变换（含编程实现）
在阅读本文之前,应该先阅读朱葛峻的<逆透视变换的一种方法>(下简称<方法>),本文的实现是基于这篇文章的推导的. 本文中提到的方法主要用于智能车竞赛.虽然在智能车有限的视野和像 ...
【第十七届智能车】智能车图像处理（1）-图像预处理
本博客使用的硬件是逐飞总钻风130°无畸变摄像头,采用的图像分辨率为188*120,主控为CH32V307VCT6,使用DVI接口进行连接. 前言我们在本次比赛中采用的是头尾车总钻风摄像头+中间车线 ...
智能车图像处理11-斜入十字补线
前言这篇文章主要讲述智能车竞赛中如何对于斜入十字进行补线操作. 一.代码思路讲解: 补十字相较于其他元素是比较简单的核心就是找十字路口: 四个拐点(也许看不到四个,比如斜入时可能只能看到一个 ...
智能车图像处理8-右环岛状态机与补线
前言这篇文章主要讲述智能车竞赛中如何判断右环岛并且进行状态补线. 一.函数主体 /* 注释1:环岛的八个状态环岛分为八个状态.以右环岛为例,一二三状态都在未入环的直道上,这时候需要把右环岛的中拐 ...
17届智能车图像处理部分讲解
目录须知寻边线寻拐点补线最后须知讲解代码使用的摄像头为总钻风摄像头,图像像素为188*120,图像进行了二值化,这里建议如果需要对光线有要求的同学使用灰度处理.没有使用过上位机,展示的图 ...

智能车图像处理逆透视教程