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：
（看注释的sample，用不来就用上面）
/**
*@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);
else
ips114_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文章来源：https://www.toymoban.com/news/detail-456931.html
2023.1.12 修复去畸变+逆透视下位机代码中未考虑的可能文章来源地址https://www.toymoban.com/news/detail-456931.html
到了这里，关于智能车图像处理逆透视教程的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
