障碍物检测算法python代码

以下是一个基于OpenCV实现的障碍物检测算法的Python代码示例：

import cv2

# 读取视频帧
cap = cv2.VideoCapture('test_video.mp4')

# 加载Haar级联分类器模型
car_cascade = cv2.CascadeClassifier('cars.xml')

while True:
    # 读取一帧视频
    ret, frame = cap.read()

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测汽车
    cars = car_cascade.detectMultiScale(gray, 1.1, 5)

    # 在图像中绘制矩形框
    for (x, y, w, h) in cars:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)

    # 显示帧
    cv2.imshow('frame', frame)

    # 按下q键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们使用了Haar级联分类器模型来检测汽车。我们首先读取一帧视频，将其转换为灰度图像，然后使用`detectMultiScale()`函数来检测汽车。最后，我们在图像中绘制矩形框来标记汽车的位置，并显示帧。按下q键退出程序。请注意，你需要在代码中指定正确的级联分类器模型和视频文件路径。