十八届智能车逆透视教学

首先要讲一下智能车组别的分工

两软一硬，其中一软负责元素方向，另一软负责PID等全局编写。负责全局的为队长，纵观各届智能车，不难发现负责全局的软件同学一般为队长，因为他要负责全局，也就是整支队伍一开始方案的确定、修改，是个指挥，也是最辛苦的人，画pcb有尽头，元素有尽头，算法无尽头，从一开始战斗到最后。

然后讲一下选队友

要选择能坚持到最后的，别有些队伍到最后就一个人在搞，宁愿人员不全，我也不要垃圾，因为我如果觉得谁后期好，可以加人进来，但是一旦有了人就不太好意思踢啦。

 软硬件分明（当然除非你很牛），一开始都不容易，能坚持到最后才行。

 还是坚持，谁会的多，会的少，一点事情没有，找一个能陪你熬夜，陪你一起犯二，一起熬夜熬的点头的那个人，这点非常重要！！！非常，因为一个水队友，不共患难的队友，对你心态会有很大的影响，你在这想死了也调不出来，你在这疯狂逃课调车，他在外面风流倜傥。你在这不吃饭调车，他睡了回笼觉来找你也不知道带份饭，等等等…久而久之，请问你还笑的出来吗？如果你还笑得出来，请问，你经历过绝望吗？应该是没有。

其实最重要的一点还是要选择会珍惜团队成果的人，我辛辛苦苦带着你，你拿着成果到处张扬，自己的车还没能包进国赛，去其他组别帮人家撸代码，这是我最看不惯的人。

以上摘抄于某篇文章，个人非常赞同，所以引用了过来，各位不要对号入座，可能带了点个人情感，毕竟我做车的时候，从来没人帮我撸过代码。

 下面就是正文逆透视变换，其实没有想象的那么难，我是不赞同在车上使用逆透视的，但是毕竟大家都想了解，就教教大家如何逆透视

首先呢，要用上位机采一张车在赛道上的灰度图或者二值化图也行，但是个人觉得还是灰度图比较好，例如下面这张。

 然后可以使用opencv（python3）求取逆透视矩阵，关于python3与opencv的安装我这边就不在叙述，做为一个做车人我想基本的百度应该还是会的。

下面粘贴opencv求取逆透视矩阵N的代码，

import cv2  # opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt  # Matplotlib是RGB

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

#读取图片
image=cv2.imread('6.bmp')   #这里传入所需图片路径
#image=cv2.resize(image,(188,120))
cv_show(image,"image")

width,height = 188,120
pts1 = np.float32([[0,90],[188,90],[75,7],[113,7]])
pts2 = np.float32([[55,120],[133,120],[55,0],[133,0]])

M = cv2.getPerspectiveTransform(pts1, pts2)
print(M)
N = np.linalg.inv(M)
print(N)
warped = cv2.warpPerspective(image, M, (width, height))

cv_show(warped,'warped')
cv2.imwrite('warped.png',warped)

 运行之后，就会在pycharm（我用的是pycharm开发python的方式）的命令行打印出透视矩阵，pts1中的四个坐标对应你采集的图片上十字的四个角点的坐标，pts2中的坐标对应你想让这四个角点处在图片的哪四个位置。

有了这个透视矩阵，那么逆透视就变得易如反掌了，以下贴出tc264上的逆透视变换代码，

H1-H9对应上面的逆透视矩阵N，我这里tc264和opencv用的图片系列不一样，不要在意。

#define H1 2.045*(10^-1)
#define H2 -1.320*(10^0)
#define H3 7.577*(10^1)
#define H4 0.000*(10^0)
#define H5 1.232*(10^-1)
#define H6 0.000*(10^0)
#define H7 0.000*(10^-18)
#define H8 -1.391*(10^-2)
#define H9 1.000*(10^0)


void Get_Perspective_Image(uint8 imageIn[MT9V03X_H][MT9V03X_W],uint8 imageOut[MT9V03X_H][MT9V03X_W])
{
    uint8 i,j;
    float s,X,Y;
    for(i=0;i=0.5&&X>=0.5&&Y=0)
                {
                    imageOut[i][j]=imageIn[(uint8)(roundf(Y))][(uint8)(roundf(X))];
                }
            }
            else
            {
                imageOut[i][j]=0;
            }
        }
    }
}

透视变换就是如此简单，当然这个运行速度还是需要考虑的，想要加快运行速度可以使用打表的方式，或者只对边线进行逆透视，自行百度咯，我不多叙述，祝各位十八届智能车加油。