if __name__ == '__main__':
rp = rospkg.RosPack()
currentPath = rp.get_path("traffic_example")
with open(os.path.join(currentPath, 'sensor/sensor_params.json'),
'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('lane_detector', anonymous=True)
image_parser = IMGParser()
bev_op = BEVTransform(params_cam=params_cam)
curve_learner = CURVEFit(order=1)
rate = rospy.Rate(20)
while not rospy.is_shutdown():
if image_parser.edges is not None:
img_warp = bev_op.warp_bev_img(image_parser.edges)
lane_pts = bev_op.recon_lane_pts(image_parser.edges)
x_pred, y_pred_l, y_pred_r = curve_learner.fit_curve(lane_pts)
curve_learner.write_path_msg(x_pred, y_pred_l, y_pred_r)
return imgMat
if __name__ == '__main__':
rp= rospkg.RosPack()
currentPath = rp.get_path("lane_detection_example")
with open(os.path.join(currentPath, 'sensor/sensor_params.json'), 'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('lane_detector', anonymous=True)
image_parser = IMGParser(currentPath)
bev_op = BEVTransform(params_cam=params_cam)
curve_learner = CURVEFit(order=3)
rate = rospy.Rate(30)
prevTime = curTime = time.time()
while not rospy.is_shutdown():
curTime = time.time()
fps = 1 / (curTime - prevTime)
prevTime = curTime
fps_str = "FPS: %0.1f" % fps
ret, img_wlane = image_parser.get_image()
if not ret: continue
from utils import BEVTransform, STOPLineEstimator
if __name__ == "__main__":
rp = rospkg.RosPack()
currentPath = rp.get_path("lane_detection_example")
with open(os.path.join(currentPath, 'sensor/sensor_params.json'), 'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('stoplane_detector', anonymous=True)
image_parser = IMGParser()
bev_op = BEVTransform(params_cam=params_cam)
sline_detectpr = STOPLineEstimator()
rate = rospy.Rate(30)
while not rospy.is_shutdown():
if image_parser.img_wlane is not None:
lane_pts = bev_op.recon_lane_pts(image_parser.img_wlane)
sline_detectpr.get_x_points(lane_pts)
sline_detectpr.estimate_dist(0.3)
sline_detectpr.pub_sline()
rate.sleep()
if __name__ == '__main__':
rp = rospkg.RosPack()
currentPath = rp.get_path("lane_detection_example")
# WeCar의 카메라의 파라미터 값을 적어놓은 json파일을 읽어와서 params_cam으로 저장
with open(os.path.join(currentPath, 'sensor/sensor_params.json'),
'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('StopLine_Detector', anonymous=True)
# WeCar의 카메라 이미지에서 차선에 관한 포인트들을 추출하기 위해 클래스를 선언
bev_trans = BEVTransform(params_cam=params_cam)
# 카메라 이미지에서 추출한 포인트로 차선이 정지선인지 판단 및 정지선까지의 거리를 계산하는 클래스를 선언
stopline_estimator = STOPLineEstimator()
stopline_detector = STOPLineDetector()
rate = rospy.Rate(20)
while not rospy.is_shutdown():
if stopline_detector.image_sline is not None:
# 카메라 이미지에서 차선에 관한 포인트들을 추출
lane_pts = bev_trans.recon_lane_pts(stopline_detector.image_sline)
# 추출한 포인트에서 x 값을 받아옴 -> y값의 제한을 둬서 좌우 차선에 해당하는 포인트는 걸러냄
if __name__ == '__main__':
rp = rospkg.RosPack()
currentPath = rp.get_path("lane_detection_example")
# WeCar의 카메라의 파라미터 값을 적어놓은 json파일을 읽어와서 params_cam으로 저장
with open(os.path.join(currentPath, 'sensor/sensor_params.json'),
'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('Line_Detector', anonymous=True)
# WeCar의 카메라 이미지를 Bird Eye View 이미지로 변환하기 위한 클래스를 선언
bev_trans = BEVTransform(params_cam=params_cam)
# BEV로 변환된 이미지에서 추출한 포인트를 기반으로 RANSAC을 이용하여 차선을 예측하는 클래스를 선언
pts_learner = CURVEFit(order=3)
lane_detector = LINEDetector()
rate = rospy.Rate(20)
img_wlane = None
while not rospy.is_shutdown():
if lane_detector.cam is not None:
img_wlane = lane_detector.binary_image()
if img_wlane is not None:
if __name__ == '__main__':
rp = rospkg.RosPack()
currentPath = rp.get_path("lane_detection_example")
# WeCar의 카메라의 파라미터 값을 적어놓은 json파일을 읽어와서 params_cam으로 저장
with open(os.path.join(currentPath, 'sensor/sensor_params.json'),
'r') as fp:
sensor_params = json.load(fp)
params_cam = sensor_params["params_cam"]
rospy.init_node('Line_Detector', anonymous=True)
# WeCar의 카메라 이미지를 Bird Eye View 이미지로 변환하기 위한 클래스를 선언
bev_trans = BEVTransform(params_cam=params_cam, cut_size=0.55)
# BEV로 변환된 이미지에서 추출한 포인트를 기반으로 RANSAC을 이용하여 차선을 예측하는 클래스를 선언
pts_learner = CURVEFit(order=3, init_width=0.5)
lane_detector = LINEDetector()
rate = rospy.Rate(20)
while not rospy.is_shutdown():
if lane_detector.img_lane is not None:
img_lane_pts = copy.deepcopy(lane_detector.img_lane)
img_bev = copy.deepcopy(lane_detector.img_lane)
# lane_detector.img_lane[:int(0.6*640), :] = 0
# 카메라 이미지를 BEV이미지로 변환
img_bev = bev_trans.warp_bev_img(img_bev)