6
votes

impossible de décompresser l'objet numpy.float64 non itérable python3 opencv

J'obtiens cette erreur et je ne comprends pas pourquoi le problème apparaît. Vous trouverez ci-dessous le code et l'erreur.

Le résultat du dernier entraînement imprimable

  Message='numpy.float64' object cannot be interpreted as an integer
  Source=C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py
  StackTrace:
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 27, in display_lines
    cv2.line(line_image, int(x1, y1), int(x2, y2), (255,0,0), 10)
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 76, in <module>
    line_image = display_lines(cropped_image,averaged_lines)

L'erreur de code se produit dans make_coordinates et la ligne est

Message=integer argument expected, got float
  Source=C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py
  StackTrace:
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 27, in display_lines
    cv2.line(line_image, (x1, y1), (x2, y2), (255,0,0), 10)
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 76, in <module>
    line_image = display_lines(cropped_image,averaged_lines)

Voici le code complet:

Message=cannot unpack non-iterable numpy.float64 object
Source=C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py
  StackTrace:
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 52, in make_coordinates
    slope, intercept = line_parameters
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 47, in average_slope_intercept
    left_line = make_coordinates(image, left_fit_average)
  File "C:\Users\Andre\source\repos\SelfDrivingCarTest\SelfDrivingCarTest\SelfDrivingCarTest.py", line 65, in <module>
    averaged_lines = average_slope_intercept(grayFrame, lines)

et le message d'erreur complet:

import cv2
import numpy as np

vid = cv2.VideoCapture('carDriving.mp4')

def processImage(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5,5), 0)
    canny = cv2.Canny(blur, 50, 150)
    return canny

def region_of_interest(image):
    height = image.shape[0]
    polygons = np.array([
    [(200,height), (1200,height), (750,300)]
    ])
    mask = np.zeros_like(image)
    cv2.fillPoly(mask, polygons, 255)
    masked_image = cv2.bitwise_and(image, mask) 
    return masked_image

def display_lines(image, lines):
    line_image = np.zeros_like(image)
    if lines is not None:
        for line in lines:
            x1, y1, x2, y2 = line.reshape(4)
            cv2.line(line_image, (x1, y1), (x2, y2), (255,0,0), 10)
    return line_image

def average_slope_intercept(image, lines):
    left_fit = []
    right_fit = []
    if lines is not None:
        for line in lines:
            x1, y1, x2, y2 = line.reshape(4)
            parameters = np.polyfit((x1, x2), (y1, y2), 1)
            slope = parameters[0]
            intercept = parameters[1]
            if slope < 0:
                left_fit.append((slope, intercept))
            else:
                right_fit.append((slope, intercept))
        left_fit_average = np.average(left_fit, axis=0)
        right_fit_average = np.average(right_fit, axis=0)
        print(left_fit_average, 'left')
        print(right_fit_average, 'right')
        left_line = make_coordinates(image, left_fit_average)
        right_line = make_coordinates(image, right_fit_average)
        #return np.array([left_line, right_line])

def make_coordinates(image, line_parameters):
    slope, intercept = line_parameters
    y1 = image.shape[0]
    y2 = int(y1*3/5)
    x1 = int(y1 - intercept)/slope
    x1 = int(y2 - intercept)/slope
    return np.array([x1, y1, x2, y2])

while True:
    ret, frame = vid.read()
    grayFrame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    processed_image = processImage(frame)
    cropped_image = region_of_interest(processed_image)
    lines = cv2.HoughLinesP(cropped_image, 2, np.pi/180, 100, np.array([]), minLineLength=40, maxLineGap=5)
    averaged_lines = average_slope_intercept(grayFrame, lines)
    line_image = display_lines(cropped_image,lines) 
    combo_image = cv2.addWeighted(grayFrame, .6, line_image, 1, 1)
    cv2.imshow('result', combo_image)
    print(lines)
    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

vid.release()
cv2.destroyAllWindows()

python python-3.x numpy opencv opencv3.0

3 commentaires

Vous imprimez left_fit_average avant d'appeler make_coordinates . Pouvez-vous ajouter la dernière impression de cette valeur juste avant d'avoir l'erreur à votre question?

Bien sûr, je viens de l'ajouter au message

Vous pouvez résoudre le nouveau problème en le changeant en cv2.line (line_image, (int (x1), int (y1)), (int (x2), int (y2)), (255,0,0) , 10) . À l'avenir, si vous rencontrez un nouveau problème, posez une nouvelle question. L'ajout d'un nouveau problème à une question déjà répondue n'est pas utile pour le répondeur (c'est-à-dire moi) ou les personnes qui google cette question plus tard.

3 Réponses :

3
votes

Le problème

Il y a un cas dans votre code où line_parameters peut être une valeur unique, np.nan , au lieu d'une paire de (pente , intercepter) valeurs. Si la pente de vos ajustements est toujours > 0 , alors left_fit finira par être une liste vide [] :

if left_fit:
    left_fit_average = np.average(left_fit, axis=0)
    print(left_fit_average, 'left')
    left_line = make_coordinates(image, left_fit_average)
if right_fit:
    right_fit_average = np.average(right_fit, axis=0)
    print(right_fit_average, 'right')
    right_line = make_coordinates(image, right_fit_average)

La sortie de np.average exécuté sur une liste vide est NaN:

try:
    slope, intercept = line_parameters
except TypeError:
    slope, intercept = 0,0

Ainsi, dans certains cas left_fit_average = np.average (left_fit) == np.average ([]) == np.nan . np.nan a un type de numpy.float64 . Votre code appelle alors:

TypeError: 'numpy.float64' object is not iterable

Ainsi, lorsque l'appel à make_coordinates arrive à la ligne:

slope, intercept = line_parameters

1 commentaires

Ok donc la deuxième solution fonctionne, mais un autre problème est survenu, un problème sera publié dans la question principale

0
votes

J'ai trouvé la solution, dans votre code il y a le mauvais retrait: au lieu de votre code:

def average_slope_intercept(image, lines):
    left_fit = []
    right_fit = []
    if lines is not None:
        for line in lines:
            x1, y1, x2, y2 = line.reshape(4)
            parameters = np.polyfit((x1, x2), (y1, y2), 1)
            slope = parameters[0]
            intercept = parameters[1]
            if slope < 0:
                left_fit.append((slope, intercept))
            else:
                right_fit.append((slope, intercept))
    left_fit_average = np.average(left_fit, axis=0)
    right_fit_average = np.average(right_fit, axis=0)
    print(left_fit_average, 'left')
    print(right_fit_average, 'right')
    left_line = make_coordinates(image, left_fit_average)
    right_line = make_coordinates(image, right_fit_average)
    return np.array([left_line, right_line])

après right_fit.append ((pente, interception)) vous devriez faire un retrait en moins jusqu'à la fin de la fonction.

Donc, votre code doit être:

def average_slope_intercept(image, lines):
    left_fit = []
    right_fit = []
    if lines is not None:
        for line in lines:
            x1, y1, x2, y2 = line.reshape(4)
            parameters = np.polyfit((x1, x2), (y1, y2), 1)
            slope = parameters[0]
            intercept = parameters[1]
            if slope < 0:
                left_fit.append((slope, intercept))
            else:
                right_fit.append((slope, intercept))
        **left_fit_average = np.average(left_fit, axis=0)
        right_fit_average = np.average(right_fit, axis=0)
        print(left_fit_average, 'left')
        print(right_fit_average, 'right')
        left_line = make_coordinates(image, left_fit_average)
        right_line = make_coordinates(image, right_fit_average)
        #return np.array([left_line, right_line])**

1 commentaires

Vous pouvez envisager de publier le bloc de code corrigé afin de minimiser la confusion potentielle avec votre réponse.

0
votes

Selon la réponse @tel, j'aime en ajouter,

try:
    slope, intercept = line_parameters
except TypeError:
    slope, intercept = 0.001, 0 // It will minimize the error detecting the lane (putting 0, give you a math error)

Encore une fois, vous pouvez augmenter la valeur de maxLineGap pour attraper la voie quand il y a tellement de distance entre les voies p >

0 commentaires