基于Yolov7棕榈树检测：Bounding Box中心点坐标获取及GPS定位求助

一、计算检测框中心点坐标 #

YOLOv7输出的检测框默认以(x1, y1, x2, y2)格式返回，其中(x1,y1)是框的左上角坐标，(x2,y2)是右下角坐标。要得到中心点，直接用以下公式计算：

# det_box为单个检测框的坐标数组，格式为[x1, y1, x2, y2]
x_center = (det_box[0] + det_box[2]) / 2
y_center = (det_box[1] + det_box[3]) / 2

二、在YOLOv7推理流程中集成计算逻辑 #

如果是基于官方detect.py做开发，找到检测结果遍历的代码段（通常是for *xyxy, conf, cls in reversed(det)），直接添加中心点计算：

for *xyxy, conf, cls in reversed(det):
    x1, y1, x2, y2 = xyxy
    # 计算中心点坐标
    x_center = (x1 + x2) / 2
    y_center = (y1 + y2) / 2
    # 此处可直接将中心点坐标存入列表，或用于后续GPS转换

三、像素坐标转GPS位置 #

要把像素中心点转换成实际GPS坐标，需结合图像的地理配准信息，两种常见实现方式：

• 已知图像四角GPS坐标：通过透视变换建立像素与GPS的映射，用OpenCV即可实现：

import cv2
import numpy as np

# 图像四角的像素坐标（左上、右上、右下、左下）
pixel_corners = np.float32([[0,0], [img_w,0], [img_w,img_h], [0,img_h]])
# 对应四角的GPS坐标（格式：[纬度, 经度]，需转为浮点型）
gps_corners = np.float32([[lat1, lon1], [lat2, lon2], [lat3, lon3], [lat4, lon4]])

# 生成透视变换矩阵
transform_matrix = cv2.getPerspectiveTransform(pixel_corners, gps_corners)
# 将中心点像素坐标转为GPS坐标
center_pixel = np.float32([[x_center, y_center]])
gps_coords = cv2.perspectiveTransform(center_pixel, transform_matrix)[0]
# gps_coords即为中心点对应的[纬度, 经度]

• 无人机图像带EXIF元数据：如果是无人机拍摄的图像，可结合EXIF中的GPS信息、相机内参，通过摄影测量公式计算地面GPS位置，具体可参考无人机摄影测量的相关转换逻辑。

四、验证中心点效果 #

计算完成后，可在图像上绘制中心点验证准确性：

# 用红色实心圆标记中心点
cv2.circle(img, (int(x_center), int(y_center)), 5, (0,0,255), -1)
# 保存验证图像
cv2.imwrite('palms_with_centers.jpg', img)

内容的提问来源于stack exchange，提问作者anselme kadio