为了成为计算机视觉专家，我们需要对图片的形状，颜色，地理等新元素有更多深入的认识和理解。
无人驾驶的循环三部曲：感知世界（计算机视觉！），做出决策，付诸行动
感知占了自动驾驶的百分之八十工作量。
雷达，激光雷达：空间分辨率低，3D，贵
摄像头：空间分辨率高，2D，便宜 --> 大势所趋
现在需要找到道路线，判断曲度，以及车是否在道中央，会有不同的阴影，不同颜色的人行道等干扰
下一步就是车辆检测和监测，以做出加速、减速、变道等决策
然后将二者结合起来~
首先需要判断道路线的曲度，需要将摄像头得到的图片转换成俯视的视角方便判断。
相机本质上是将3D的物品转换为2D的图像，所以这个转换肯定会改变3D物品的形状和大小。
所以第一步就是解决图像畸变的问题，把接收到的图像恢复成实际应有的样子。
最基本常见的扭曲：
径向畸变（radial distortion）
因为相机不像小孔成像那样能把图片上下颠倒的完美保存下来，而是用了透镜，所以就会导致图片不平整
相关系数：k1, k2, k3 （其中k3和镜面曲度有关，正常镜头的k3很接近0可以被忽略，但是广角镜头的就不行）
x_{distorted} = x_{ideal} (1 + k_1r^2 + k_2r^4 + k_3r^6)
y_{distorted} = y_{ideal} (1 + k_1r^2 + k_2r^4 + k_3r^6)
切向畸变（tangential distortion）
相机放斜了所以图片的远近距离不对了
相关系数：p1, p2
x_{corrected} = x + [2p_1xy + p_2(r^2 + 2x^2)]
y_{corrected} = y + [p_1(r^2 + 2y^2) + 2p_2xy]
所以我们需要获得5个和畸变相关的系数（有时候会大于5个）来复原图片
用OpenCV函数的话，参数就是[k1, k2, p1, p2, k3].
检测相机的图形畸变一般用象棋盘（黑白格子那种），因为分辨率高，图形简单，所以很容易就知道图形是怎么被扭曲的
找到棋盘角：cv2.findChessboardCorners(), cv2.drawChessboardCorners()
https://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#cv2.findChessboardCorners
https://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#cv2.drawChessboardCorners
一般来说需要准备>=20张图片来保证计算结果可靠，然后最后加一张测试图
有用的代码：
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
注：如果用的是mpimg.imread()，那么读出来的是RGB，上面应该改成cv2.COLOR_RGB2GRAY，如果是cv2.imread()或者glob API读进来的，那么应该和例子一样
ret, corners = cv2.findChessboardCorners(gray, (8,6), None)
img = cv2.drawChessboardCorners(img, (8,6), corners, ret)
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)
其中gray.shape[::-1]可替换为img.shape[1::-1] （只取3维数据中前两个并且倒过来）
dst = cv2.undistort(img, mtx, dist, None, mtx)
学会了复原之后你也可以尝试着计算和复原一下自己相机的畸变~
透视变换：2D图像表达3D情景时，远处物体小，近处物体大+有切向畸变（观看物体的角度不同）
回到自动驾驶上，我们需要根据道路线的曲度判断路的曲度，从而根据曲度，车辆特性，车速等计算出方向盘的角度。
而曲度是通过摄像头通过阈值之类的技术检测到道路线，然后通过畸变转换的方法把道路线转换为俯视图，然后求出图中曲线的近似抛物线，这样角度就很好得到了。
抛物线的f(y) = Ay^2 + By + C中，A表达了曲线的曲度，B表达了曲线的指向，C表达的是曲线和图像左侧的距离。
小练习：转换有切向畸变的图片使我们看起来像从正面观察图片
1. 读取图片以及图片的大小
2. 选择图片上4个在同一平面的点（此处我们手动选择，但是以后可以使用算法来检测边、角，分析颜色和周围像素等方法选择源图平面点）
3. 定义目标图上的4个能够组成长方形的点
4. 获得从源图转换到目标图的转换矩阵：M = cv2.getPerspectiveTransform(src, dst)
5. # 获得从目标图转换到源图的逆向转换矩阵：Minv = cv2.getPerspectiveTransform(dst, src)
6. 转换图片：warped = cv2.warpPerspective(img, M, img_size, flags=cv2.INTER_LINEAR)
总结：棋盘图像处理步骤
1. 去除畸变
2. 转换为灰度图
3. 找到棋盘角
4. 画出角
5. 定义4个源平面点
6. 定义4个目标平面点（顺序必须一样！）
7. 得到透视转换矩阵
8. 转换视角！
下一步：通过颜色和梯度的阈值来确定图片的角度是否正确，畸变是否消除，从而确定道路线
