基于 matlab蛇形算法，把车辆从图中检测出来

clc clear f1 f_edge f_zaw f_jc f1_8lt f1_qxj f_xoz vl xc yc zc yg y_cha z; %% 读取文件 L=imread('cranf6209-L.bmp'); % load the left image R=imread('cranf6209-R.bmp'); % load the right image L_ROIs_xoz=L; % xoz投影后ROIs L_ROIs_xoy=L; % xoz投影后ROIs L_ROIs=L; disparity=load('disparity_iteration_4.txt'); %% 参数初始化 [Height,Width]=size(L); H=1; % 摄像机的高度 theta=1; % 摄像机与水平方向的角度 f=0.01; % 摄像机的焦距 b=0.17; % 摄像机之间的水平距离 u0=Width/2; v0=Height/2; dx=3.6e-3/Width; % 摄像机水平像素之间的距离 dy=2.7e-3/Height; % 摄像机竖直像素之间的距离 w_stereomatching_row=3; % 立体匹配窗口：行 w_stereomatching_col=5; % 立体匹配窗口：列 w_nihe_row=1; % 视差拟合窗口：行 w_nihe_col=3; % 视差拟合窗口：列 w_smoothdisparity_row=5; % 视差平滑窗口：行 w_smoothdisparity_col=5; % 视差平滑窗口：列 xc_resolution=0.03; % 投影平面x轴的分辨率 yc_resolution=0.03; % 投影平面y轴的分辨率 zc_resolution=0.3; % 投影平面z轴的分辨率 xc_threshold_juli=0.6; % 感兴趣区域分割时，xc的距离阈值。 yc_threshold_juli=0.6; % 感兴趣区域分割时，yc的距离阈值。 zc_threshold_juli=3.0; % 感兴趣区域分割时，zc的距离阈值。 disparity_threshold=4.8; % 近处点的视差阈值 threshold=5; % 平滑坐标时，窗口中距离范围内像素点个数的阈值。 average=1; % 是否需要做均值平滑 juli_threshold=b*f/(dx*disparity_threshold); % 近处的点的距离阈值 xoz_maxcol=round(juli_threshold/zc_resolution)+2; % xoz投影图转化为图像时，最大行数。 xc_threshold_pix=xc_threshold_juli/xc_resolution; % 感兴趣区域分割时，xc的像素阈值。 yc_threshold_pix=yc_threshold_juli/yc_resolution; % 感兴趣区域分割时，yc的像素阈值。 zc_threshold_pix=zc_threshold_juli/zc_resolution; % 感兴趣区域分割时，zc的像素阈值。 abi=zeros(2,2); % xoz投影图转化为图像后，存储连通域像素最大最小行和列，第一行是最小和最大行数，第二行是最小和最大列数，并进行扩展。 abj=zeros(2,2); % xoz投影图转化为图像后，存储连通域像素最大最小行和列，第一行是最小和最大行数，第二行是最小和最大列数，并进行扩展。 %% 变量初始化 xl =zeros(Height,Width); % xl yl =zeros(Height,Width); % yl xc =zeros(Height,Width); % xc yc =zeros(Height,Width); % yc zc =zeros(Height,Width); % zc f_edge=zeros(Height,Width); % 左图的边缘点 f_zaw =zeros(Height,Width); % 障碍物上的点 f_jc =zeros(Height,Width); % 近处的点 f1_8lt=zeros(Height,Width); % f1的8连通区域标记图 f1_qxj=zeros(Height,Width); % f1中去除虚假物体边缘点后的图像,阈值大小为10 f_xoz =zeros(Height,Width); % f1_qxj投影到xoz平面 f1 =zeros(Height,Width); % 近处的、障碍物上的 边缘点 f2 =zeros(Height,Width); % 近处的、障碍物上的 边缘点 %% 由视差计算xc yc zc for row=1+w_stereomatching_row+w_nihe_row+w_smoothdisparity_row:Height-(w_stereomatching_row+w_nihe_row+w_smoothdisparity_row) % 图像处理的范围 for col=1+w_stereomatching_col+w_nihe_col+w_smoothdisparity_col:Width-(w_stereomatching_col+w_nihe_col+w_smoothdisparity_col) % 图像处理的范围 u_left=col; % 图像像素坐标系到二维坐标系的转化 v_left=Height-row+1; % 图像像素坐标系到二维坐标系的转化 xl(row,col)=dx*(u_left-u0); yl(row,col)=dy*(v_left-v0); zc(row,col)=((b/(dx*disparity(row,col)))-1)*f; xc(row,col)=zc(row,col)*xl(row,col)/f; yc(row,col)=zc(row,col)*yl(row,col)/f; end end iteration=1; for i=1:iteration i xc=smoothzc(xc,Height,Width,w_stereomatching_row,w_stereomatching_col,w_nihe_row,w_nihe_col,w_smoothdisparity_row,w_smoothdisparity_col,threshold,average,i); yc=smoothzc(yc,Height,Width,w_stereomatching_row,w_stereomatching_col,w_nihe_row,w_nihe_col,w_smoothdisparity_row,w_smoothdisparity_col,threshold,average,i); zc=smoothzc(zc,Height,Width,w_stereomatching_row,w_stereomatching_col,w_nihe_row,w_nihe_col,w_smoothdisparity_row,w_smoothdisparity_col,threshold,average,i); end %% 1、滤波、边缘检测 w_filter=fspecial('gaussian'); L=imfilter(L,w_filter,'replicate'); R=imfilter(R,w_filter,'replicate'); f_edge=edge(L,'sobel',0.01); % figure(1),imshow(f_edge); for i=1:Height for j=1:Width if f_edge(i,j)==1 L(i,j)=0;end end end %% 2、识别障碍物上的点 yg=(zc*sin(theta*pi/180)-H)/cos(theta*pi/180); y_cha=yc-yg; f_zaw(find(y_cha>0))=1; % figure(2),imshow(f_zaw); %% 3、识别近处的点 f_jc(find(disparity>disparity_threshold))=1; % figure(3),imshow(f_jc); %% 识别近处的、障碍物上的 边缘点 for i=1+w_stereomatching_row+w_nihe_row+w_smoothdisparity_row:Height-(w_stereomatching_row+w_nihe_row+w_smoothdisparity_row) % 图像处理的范围 for j=1+w_stereomatching_col+w_nihe_col+w_smoothdisparity_col:Width-(w_stereomatching_col+w_nihe_col+w_smoothdisparity_col) % 图像处理的范围 if f_edge(i,j)==1&&f_zaw(i,j)==1&&f_jc(i,j)==1 f1(i,j)=1;end % if f_zaw(i,j)==1&&f_jc(i,j)==1 f1(i,j)=1;end end end % figure(4),imshow(f1); % figure(10),imshow(f1); %% 在f1中标记8连通区域，去除虚假物体的边缘点 [f1_8lt num]=bwlabel(f1,8); for i=1:num if length(find(f1_8lt==i))>10 f1_qxj(find(f1_8lt==i))=1; end end % figure(5),imshow(f1_qxj); xc=xc+abs(min(min(xc(find(f1_qxj==1))))); yc=yc+abs(min(min(yc(find(f1_qxj==1))))); %% xoz投影 coordinate_pix_xoz=cell(1,1); % 存储xoz投影图像所对应的左图像素坐标 row_max_xoz=xoz_maxcol; % xoz平面内投影的最大行数 col_max_xoz=round(max(xc(find(f1_qxj==1)))/xc_resolution)+1; % xoz平面内投影的最大行数 for i=1:row_max_xoz for j=1:col_max_xoz coordinate_pix_xoz{i,j}=[]; end end xoz =zeros(row_max_xoz,col_max_xoz); % xoz投影 xoz_qxj =zeros(row_max_xoz,col_max_xoz); % xoz投影,去除虚假物 for i=1+w_stereomatching_row+w_nihe_row+w_smoothdisparity_row:Height-(w_stereomatching_row+w_nihe_row+w_smoothdisparity_row) % 图像处理的范围 for j=1+w_stereomatching_col+w_nihe_col+w_smoothdisparity_col:Width-(w_stereomatching_col+w_nihe_col+w_smoothdisparity_col) % 图像处理的范围 if f1_qxj(i,j)==1 col=round(xc(i,j)/xc_resolution)+1; row=round(zc(i,j)/zc_resolution); xoz(xoz_maxcol-row+1,col)=1; % 二维坐标系到图像坐标系：行转换 coordinate_pix_xoz{xoz_maxcol-row+1,col}=[coordinate_pix_xoz{xoz_maxcol-row+1,col};[i,j]]; end end end xoz=imfill(xoz,'holes'); % figure(6),imshow(xoz); [xoz_8lt num]=bwlabel(xoz,8); for i=1:num if length(find(xoz_8lt==i))>4 xoz_qxj(find(xoz_8lt==i))=1; end end % figure(7),imshow(xoz_qxj); %% xoz平面内ROIs [coordinate_ROIs_pix_xoz_left summit_rectangle_xoz summit_rectangle_xoz_left amount_ROIs_xoz]=ROIs(xoz_qxj,xc_threshold_pix,zc_threshold_pix,L_ROIs_xoz,coordinate_pix_xoz,1); %% xoy平面内投影 coordinate_ROIs_pix_xoy_left=cell(1,1); % xoy平面，经过ROIs后，每个感兴趣区域左图像素点坐标 summit_rectangle_xoy=cell(1,1); % xoy平面，经过ROIs后，每个感兴趣区域矩形框顶点坐标（在xoy平面） summit_rectangle_xoy_left=cell(1,1); % xoy平面，经过ROIs后，每个感兴趣区域矩形框顶点坐