自动驾驶入门（十二）：基于Opencv的车道线识别

车道线识别有两种方法：

基于Opencv的传统视觉车道线识别方案
基于深度学习的车道线识别方案

本文将介绍基于Opencv的传统视觉车道线识别方案。

传统的车道线识别解决方案流程图如下：

代码实现如下所示，具体描述 @ 陈光博主以及 @开水果摊能卖你生瓜蛋已经描述的很清晰了，请直接查看链接

import cv2 as cv
import numpy as npdef region_of_interest(img, vertices):mask = np.zeros_like(img)if len(img.shape) > 2:channel_count = img.shape[2]ignore_mask_color = (255,)else:ignore_mask_color = 255cv.fillPoly(mask, [vertices], ignore_mask_color)masked_img = cv.bitwise_and(img, mask)return masked_imgdef calc_slope(line):x1, y1, x2, y2 = line[0]return (y2-y1)/(x2-x1)def line_selection(lines, threshold):slopes = [calc_slope(line) for line in lines]while len(lines) > 0:mean = np.mean(slopes)diff = [abs(s-mean) for s in slopes]idx = np.argmax(diff)if diff[idx] > threshold:slopes.pop(idx)lines.pop(idx)else:break# return linesdef least_squres_fit(lines):x_coords = np.ravel([[line[0][0], line[0][2]] for line in lines])y_coords = np.ravel([[line[0][1], line[0][3]] for line in lines])poly = np.polyfit(x_coords, y_coords, deg=1)point_min = (np.min(x_coords), np.polyval(poly, np.min(x_coords)))point_max = (np.max(x_coords), np.polyval(poly, np.max(x_coords)))return np.array([point_min, point_max], dtype=np.int)if __name__ == '__main__':img_path = r'C:\Users\HP\Pictures\lane.png'img = cv.imread(img_path, cv.IMREAD_COLOR)gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY)low_threshold = 150high_threshold = 300canny_img = cv.Canny(gray, low_threshold, high_threshold)# cut interested imgleft_bottom = [0, canny_img.shape[0]]right_bottom = [canny_img.shape[1]-60, canny_img.shape[0]]apex = [canny_img.shape[1]/2, 120]vertices = np.array([left_bottom, right_bottom, apex], np.int32)roi_img = region_of_interest(canny_img, vertices)# hough lines operationlines = cv.HoughLinesP(roi_img, 1, theta=np.pi/180, threshold=15,  minLineLength=40, maxLineGap=20)# classify the line by slopeleft_lines = [line for line in lines if calc_slope(line) > 0]right_lines = [line for line in lines if calc_slope(line) < 0]# use threshold to modify the lines to select lines.print("before operation: {}".format(len(left_lines)))line_selection(left_lines, threshold=0.1)line_selection(right_lines, threshold=0.1)print("after operation: {}".format(len(left_lines)))left_line = least_squres_fit(left_lines)right_line = least_squres_fit(right_lines)cv.line(img, tuple(left_line[0]), tuple(left_line[1]), color=[255, 0, 0], thickness=6)cv.line(img, tuple(right_line[0]), tuple(right_line[1]), color=[255, 0, 0], thickness=6)cv.imshow('gray', img)cv.waitKey(0)

最终展示效果如图：

参考链接：

无人驾驶技术入门（十四）| 初识图像之初级车道线检测 - 知乎

车道线检测 _ 搜索结果_哔哩哔哩_Bilibili

Opencv（四）：图像边缘检测_林小川的博客-CSDN博客

自动驾驶入门（十二）：基于Opencv的车道线识别相关推荐

基于opencv的车道线识别（python）（极易实现）
简易车道线识别方法文章目录简易车道线识别方法 1.先上效果图 1.1原图: 1.2结果图 2.源代码 3.阈值脚本 4.谈谈优缺点优点: 缺点: 1.先上效果图 1.1原图: 1.2结果图 2. ...
基于视觉的车道线识别技术在智能车导航中的应用研究
密级:公开摘要摘要室外移动机器人的研究是机器人研究领域的重要分支,同时也是备受关注的热点领域.面向高速公路等结构化道路的室外移动机器人研究已成为现阶段民用交通运输领域移动机器人研究的主流 ...
基于OpenCV 的车道线检测方法
车道线检测是图像处理运用到无人驾驶的一项技术,目前也过渡到了部分汽车上,高速公路的自动车道保持就是一个应用. 最近研究了两个基于opencv的车道检的代码,先放链接: A.Udacity车道线检测代码 ...
基于MATLAB的车道线识别、自动驾驶识别
使用单目相机的视觉感知这个例子展示了如何构建一个能够进行车道边界和车辆检测的单眼摄像机传感器仿真.该传感器将在车辆坐标系中报告这些检测结果.在本例中,您将了解自动驾驶工具箱™使用的坐标系统,以及设计 ...
睡眠音频分割及识别问题(十二)--基于IOS的YAMNet音频识别（总结）
1 结构体此部分定义了两个结构体用于存储音频信息: AudioFragment:用于存储单个音频片段(0.975s, 16000Hz)的标签评分信息: AudioInfo:用于存储整个音频信息,包含 ...
【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑
本系列文章由@浅墨_毛星云出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/25560901 作者:毛星云(浅墨) ...
Mobileye 自动驾驶策略（二）
Mobileye 自动驾驶策略(二) 与多方都成功进行了合作,其中比较大型的合作包括法雷奥.百度和中国 ITS. 法雷奥是最近的的 Tier 1 合作伙伴,法雷奥和 Mobileye 签署协议,表示未 ...
Apollo自动驾驶入门课程第⑩讲 — 控制（下）
目录 1. 线性二次调节器 2. 模型控制预测 3. 总结本文转自微信公众号:Apollo开发者社区原创: 阿波君 Apollo开发者社区昨天 Apollo自动驾驶课程马上进入尾声,在无人驾驶技 ...
Apollo自动驾驶入门课程第⑧讲 — 规划（下）
目录 1. 路径-速度解耦规划 2. 路径生成与选择 3. ST图 4. 速度规划 5. 优化 6. 路径-速度规划的轨迹生成 7. Lattice规划 8. ST轨迹的终止状态 9. SL轨迹的终止 ...

自动驾驶入门（十二）：基于Opencv的车道线识别

自动驾驶入门（十二）：基于Opencv的车道线识别相关推荐

最新文章

热门文章