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()
3 Réponses :
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
Ok donc la deuxième solution fonctionne, mais un autre problème est survenu, un problème sera publié dans la question principale
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])**
Vous pouvez envisager de publier le bloc de code corrigé afin de minimiser la confusion potentielle avec votre réponse.
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 >
Vous imprimez
left_fit_average
avant d'appelermake_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.