上位机图像处理和嵌入式模块部署(qmacvisual点线测量)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

        上面一篇文章,我们完成了直线的拟合操作。在实际场景中,拟合之后更多地是需要进行长度的测量。既然是测量,那么就需要两个信息,一个是测量点的信息,这部分目前可以通过设置全局变量的方法来完成;另外一个就是需要直线的k和b,这部分也已经通过直线拟合实现了。所以,点线测量实际并不复杂。而且,真实应用的时候,这里的点往往也是来自于某个固定目标的点,或者是人为设计的某个点。

1、控件位置

        控件的位置位于【几何测量】-》【点+线】。当然基础工程、基础流程都是需要配置的,这里不再赘述了。

2、配置全局变量

        因为点线测距,既需要点,也需要线。线已经准备好了,所以这里只需要设置一个全局变量的点就好了,

3、整体设计

        整体设计,基本上是前面几节课的一个大总结。首先是读取图像,读取结束之后就开始图像预处理。预处理完毕,就可以着手轮廓的提取。有了轮廓,就有了重心坐标,当然也就可以拟合直线了。最后就是用点线插件计算一下交集。

4、点线配置

        点线配置,就是我们之前所说的点、线设置。这部分已经讨论过。点来自于全局变量,线来自于直线拟合。大家看一下这个截图就明白了,

        从图上可以明显看出主要的配置。配置的内容集中在点坐标、直线斜率、直线截距三个部分。右侧是单击执行按钮之后的效果。如果没有什么问题,我们就可以在左下方看到对应的打印效果。结果告诉我们,两者之间的交点是239、367,距离为154。

5、丰富一下结果输出部分

        在整体设计当中,我们其实还添加了两个图像显示。一个是源图像的显示,一个是输出结果的显示。主要也是为了体现两者之间的对比之处。一幅图像从拿到之后,到出结果,这中间往往还是要走一段距离的。我们今天的demo尚且都需要思考一番,实际部署的时候,遇到的情况只会更烦、更麻烦。遇到这些困难和麻烦的时候,一定要迎难而上,因为实际学习遇到的场景往往都是简单的、单一的,它不能帮助客户解决真实存在的问题,这是最要命的。

        另外从我个人的经验来说,还有两点需要注意。第一,就是加强人工智能的学习,未来的硬件只会越来越便宜,算力越来越强,这意味着用软件可以做的事情也越来越多;第二就是加强传感器的学习。图像只是众多传感器中的一环,图像中不确定的信息可以试着能不能由其他传感器来进行补充解决,这很重要。算法固然重要,但是光源、镜头、其他传感器的配合也一样重要,我们要用好图像,但是也不能排斥其他传感器和方法。

        

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-03-22 08:50:04       94 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-03-22 08:50:04       100 阅读
  3. 在Django里面运行非项目文件

    2024-03-22 08:50:04       82 阅读
  4. Python语言-面向对象

    2024-03-22 08:50:04       91 阅读

热门阅读

  1. K8S node磁盘清理

    2024-03-22 08:50:04       41 阅读
  2. Redis基本简介

    2024-03-22 08:50:04       40 阅读
  3. Linux 技术深潜:细解top命令的全方位使用教程

    2024-03-22 08:50:04       41 阅读
  4. 动态规划 Leetcode 123 买卖股票的最佳时机III

    2024-03-22 08:50:04       47 阅读
  5. How to install PyAlink on Ubuntu 22.04

    2024-03-22 08:50:04       36 阅读
  6. Ubuntu---之进程/线程管理命令

    2024-03-22 08:50:04       40 阅读
  7. 请解释 VB.NET 中的事件(Event)

    2024-03-22 08:50:04       34 阅读
  8. AI大模型学习

    2024-03-22 08:50:04       40 阅读