最近在做一个基于opencv的无人小车，行车过程中遇到障碍时需要变道，由于实线不能变道，所以要判断车道线。但是找了很多地方却找不到关于车道线的实线虚线检测，于是通过自己的奇思妙想，想到了解决的办法，于是写下此博客，希望能帮到更多的人。

入门版的车道线检测

参考的资料
在此参考代码基础上完成的实线，虚线检测

代码

import cv2 as cv
import numpy as np
import utils#读取图片
src = cv.imread('test_images/test3.jpg')
#高斯降噪
src1 = cv.GaussianBlur(src,(5,5),0,0)
# cv.imshow('gaosi',src1)
#灰度处理
src2 = cv.cvtColor(src1,cv.COLOR_BGR2GRAY)
# cv.imshow('huidu',src2)
#边缘检测
lthrehlod = 50
hthrehlod =150
src3 = cv.Canny(src2,lthrehlod,hthrehlod)
# cv.imshow('bianyuan',src3)
#ROI划定区间,并将非此区间变成黑色
regin = np.array([[(0,660),(690,440),
(1200,700),(src.shape[1],660)]]) #为啥要两中括号？
mask = np.zeros_like(src3)
mask_color = 255   #src3图像的通道数是1，且是灰度图像，所以颜色值在0-255
cv.fillPoly(mask,regin,mask_color)
src4 = cv.bitwise_and(src3,mask)
# cv.imshow('bianyuan2',src4)#利用霍夫变换原理找出上图中的像素点组成的直线，然后画出来
rho = 1
theta = np.pi/180
threhold =15
minlength = 40
maxlengthgap = 20
lines = cv.HoughLinesP(src4,rho,theta,threhold,np.array([]),minlength,maxlengthgap)
#画线
linecolor =[0,255,255]
linewidth = 4
src5 = cv.cvtColor(src4,cv.COLOR_GRAY2BGR) #转化为三通道的图像# 优化处理
def choose_lines(lines, threhold):  # 过滤斜率差别较大的点slope = [(y2 - y1) / (x2 - x1) for line in lines for x1, x2, y1, y2 in line]while len(lines) > 0:mean = np.mean(slope)  # 平均斜率diff = [abs(s - mean) for s in slope]idx = np.argmax(diff)if diff[idx] > threhold:slope.pop(idx)lines.pop(idx)else:breakreturn lineslefts =[]
rights =[]
leftlength=[]
rightlength=[]
for line  in lines:for x1,y1,x2,y2 in line:#cv.line(src5,(x1,y1),(x2,y2),linecolor,linewidth)#分左右车道k = (y2-y1)/(x2-x1)length= ((y2-y1)**2+(x2-x1)**2)**0.5#计算线段长度if k<0:lefts.append(line)leftlength.append(length)else:rights.append(line)rightlength.append(length)# print(max(leftlength))
# print(max(rightlength))if max(leftlength)>max(rightlength):text="The left-hand side is the solid line"
else:text="The right-hand side is the solid line"def clac_edgepoints(points, ymin, ymax):  # 可以理解成找一条线的端点x = [p[0] for p in points]y = [p[1] for p in points]k = np.polyfit(y, x, 1)func = np.poly1d(k)  # 方程是y关于x的函数，因为输入的ymin ymax。要求xmin，xmaxxmin = int(func(ymin))xmax = int(func(ymax))return [(xmin, ymin), (xmax, ymax)]good_leftlines = choose_lines(lefts, 0.1)  # 处理后的点
good_rightlines = choose_lines(rights, 0.1)leftpoints = [(x1, y1) for left in good_leftlines for x1, y1, x2, y2 in left]
leftpoints = leftpoints + [(x2, y2) for left in good_leftlines for x1, y1, x2, y2 in left]
rightpoints = [(x1, y1) for right in good_rightlines for x1, y1, x2, y2 in right]
rightpoints = rightpoints + [(x2, y2) for right in good_rightlines for x1, y1, x2, y2 in right]lefttop = clac_edgepoints(leftpoints, 500, src.shape[0])  # 要画左右车道线的端点
righttop = clac_edgepoints(rightpoints, 500, src.shape[0])src6 = np.zeros_like(src5)cv.line(src6, lefttop[0], lefttop[1], linecolor, linewidth)
cv.line(src6, righttop[0], righttop[1], linecolor, linewidth)# cv.imshow('onlylane',src6)#图像叠加
src7 = cv.addWeighted(src1,0.8,src6,1,0)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(src7,text,(100,100), font, 1,(255,255,255),2)
cv.imshow('Finally Image',src7)cv.waitKey(0)
cv.destroyAllWindows()
~

代码中有几个需要注意到的地方，是车道线检测关键的所在
1、感兴趣区域的划定，会直接影响车道线检测的结果

#ROI划定区间,并将非此区间变成黑色
regin = np.array([[(0,660),(690,440),
(1200,700),(src.shape[1],660)]]) ~

大概意思就是取到的四个点形成的矩形区域，矩形区域需要框定图中的车道线，我所用到的图片大小是1280x720的，如果使用其他大小的图片可能会报错，以及车道线检测结果出现错误。需要根据自己用的实际图片更改自己的区域。

2、实线，虚线检测部分

#利用霍夫变换原理找出上图中的像素点组成的直线，然后画出来
rho = 1
theta = np.pi/180
threhold =15
minlength = 40
maxlengthgap = 20
lines = cv.HoughLinesP(src4,rho,theta,threhold,np.array([]),minlength,maxlengthgap)~lefts =[]
rights =[]
leftlength=[]
rightlength=[]
for line  in lines:for x1,y1,x2,y2 in line:#cv.line(src5,(x1,y1),(x2,y2),linecolor,linewidth)#分左右车道k = (y2-y1)/(x2-x1)length= ((y2-y1)**2+(x2-x1)**2)**0.5#计算线段长度if k<0:lefts.append(line)leftlength.append(length)else:rights.append(line)rightlength.append(length)if max(leftlength)>max(rightlength):text="The left-hand side is the solid line"
else:text="The right-hand side is the solid line"~

这里就是实线，虚线检测关键所在，本人自己想到的一个解决办法，思路就是根据直线的长度，长的为实线，短的为虚线。首先通过霍夫变换找到所有的直线，再根据找到的直线算出每个直线的长度，取出左右两边最长的直线进行比较，更长的一边就是实线了。代码实现起来非常简单。

附上我使用的图片

python+opencv车道线，实线虚线的检测相关推荐

基于Python+OpenCV车道线检测(直道和弯道)
基于Python+OpenCV车道线检测(直道和弯道) 基于Python+OpenCV车道线检测(直道和弯道)
python+opencv车道线检测（简易实现）
python+opencv车道线检测(简易实现) 技术栈:python+opencv 实现思路: canny边缘检测获取图中的边缘信息: 霍夫变换寻找图中直线: 绘制梯形感兴趣区域获得车前范围: 得到 ...
Python OpenCV车道线识别侦测
Python OpenCV车道线识别侦测如需安装运行环境或远程调试,可加QQ905733049, 或QQ2945218359由专业技术人员远程协助! 运行结果如下: 代码如下: import cv2 ...
python opencv车道线检测
python3 opencv车道线检测简介特征提取车道检测鸟瞰图找到车道起点滑动窗口向上扫描多项式拟合鸟瞰图还原到原图评估总结参考简介记录一下车道检测的过程.本文使用传统方法 ...
计算机视觉——车道线（路沿）检测
目录系列文章目录一.实验内容与方法二.视频的导入.拆分.合成 1.视频时长读取 2.视频的拆分 3.视频的合成三.图像处理/边缘检测 0.尝试 1.图像处理->边缘检测(原理) 2.Ca ...
Python+OpenCV：图像快速角点检测算法(FAST Algorithm for Corner Detection)
Python+OpenCV:图像快速角点检测算法(FAST Algorithm for Corner Detection) 理论 Feature Detection using FAST Select ...
Python+OpenCV：图像Harris角点检测(Harris Corner Detection)
Python+OpenCV:图像Harris角点检测(Harris Corner Detection) 理论 corners are regions in the image with large v ...
Python+OpenCV+dlib汽车驾驶员疲劳驾驶检测
点击查看:Python+OpenCV+dlib汽车驾驶员疲劳驾驶检测文件大小:80M 操作系统:Windows10旗舰版开发工具:Python3.8.OpenCV4.5.dlib 开发语言:.py ...
基于python的车道线检测
最近在开源社区下载了一份使用opencv在python环境中实现车道线检测的代码,研究了一下,终于有点儿看懂了,寻思着写下来,免得以后忘记了. 这个车道线检测项目原本是优达学城里无人驾驶课程中的第一个 ...

python+opencv车道线，实线虚线的检测

入门版的车道线检测

代码

python+opencv车道线，实线虚线的检测相关推荐

最新文章

热门文章