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；
得到并绘制车道线；

效果展示：

代码实现：

import cv2
import numpy as npdef canny():gray = cv2.cvtColor(lane_image, cv2.COLOR_RGB2GRAY)#高斯滤波blur = cv2.GaussianBlur(gray, (5, 5), 0)#边缘检测canny_img = cv2.Canny(blur, 50, 150)return canny_imgdef region_of_interest(r_image):h = r_image.shape[0]w = r_image.shape[1]# 这个区域不稳定，需要根据图片更换poly = np.array([[(100, h), (500, h), (290, 180), (250, 180)]])mask = np.zeros_like(r_image)# 绘制掩膜图像cv2.fillPoly(mask, poly, 255)# 获得ROI区域masked_image = cv2.bitwise_and(r_image, mask)return masked_imageif __name__ == '__main__':image = cv2.imread('test.jpg')lane_image = np.copy(image)canny = canny()cropped_image = region_of_interest(canny)cv2.imshow("result", cropped_image)cv2.waitKey(0)

霍夫变换加线性拟合改良：

效果图：

代码实现：

主要增加了根据斜率作线性拟合过滤无用点后连线的操作；

import cv2
import numpy as npdef canny():gray = cv2.cvtColor(lane_image, cv2.COLOR_RGB2GRAY)blur = cv2.GaussianBlur(gray, (5, 5), 0)canny_img = cv2.Canny(blur, 50, 150)return canny_imgdef region_of_interest(r_image):h = r_image.shape[0]w = r_image.shape[1]poly = np.array([[(100, h), (500, h), (280, 180), (250, 180)]])mask = np.zeros_like(r_image)cv2.fillPoly(mask, poly, 255)masked_image = cv2.bitwise_and(r_image, mask)return masked_imagedef get_lines(img_lines):if img_lines is not None:for line in lines:for x1, y1, x2, y2 in line:# 分左右车道k = (y2 - y1) / (x2 - x1)if k < 0:lefts.append(line)else:rights.append(line)def choose_lines(after_lines, slo_th):  # 过滤斜率差别较大的点slope = [(y2 - y1) / (x2 - x1) for line in after_lines for x1, x2, y1, y2 in line]  # 获得斜率数组while len(after_lines) > 0:mean = np.mean(slope)  # 计算平均斜率diff = [abs(s - mean) for s in slope]  # 每条线斜率与平均斜率的差距idx = np.argmax(diff)  # 找到最大斜率的索引if diff[idx] > slo_th:  # 大于预设的阈值选取slope.pop(idx)after_lines.pop(idx)else:breakreturn after_linesdef clac_edgepoints(points, y_min, y_max):x = [p[0] for p in points]y = [p[1] for p in points]k = np.polyfit(y, x, 1)  # 曲线拟合的函数，找到xy的拟合关系斜率func = np.poly1d(k)  # 斜率代入可以得到一个y=kx的函数x_min = int(func(y_min))      # y_min = 325其实是近似找了一个x_max = int(func(y_max))return [(x_min, y_min), (x_max, y_max)]if __name__ == '__main__':image = cv2.imread('F:\\A_javaPro\\test.jpg')lane_image = np.copy(image)canny_img = canny()cropped_image = region_of_interest(canny_img)lefts = []rights = []lines = cv2.HoughLinesP(cropped_image, 1, np.pi / 180, 15, np.array([]), minLineLength=40, maxLineGap=20)get_lines(lines)  # 分别得到左右车道线的图片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, 180, image.shape[0])  # 要画左右车道线的端点righttop = clac_edgepoints(rightpoints, 180, image.shape[0])src = np.zeros_like(image)cv2.line(src, lefttop[0], lefttop[1], (255, 255, 0), 7)cv2.line(src, righttop[0], righttop[1], (255, 255, 0), 7)cv2.imshow('line Image', src)src_2 = cv2.addWeighted(image, 0.8, src, 1, 0)cv2.imshow('Finally Image', src_2)cv2.waitKey(0)

待改进：

代码实用性差，几乎不能用于实际，但是可以作为初学者的练手项目；
斑马线检测思路：获取车前感兴趣区域，判断白色像素点比例即可实现；
行人检测思路：opencv有内置行人检测函数，基于内置的训练好的数据集；

python+opencv车道线检测（简易实现）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
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 ...
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，实线虚线的检测
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 ...
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 ...
无人驾驶之车道线检测简易版
无人驾驶技术近些年发展迅速.无人车若想实现自动驾驶,从视觉的角度上讲其要先学会观察道路,具体来说,就是检测车道线.包括识别车道线与车的位置关系,是实线还是虚线等.本文将简单介绍车道线检测的基本技术,包 ...
opencv车道线检测
车道线检测,需要完成以下功能: 图像裁剪:通过设定图像ROI区域,拷贝图像获得裁剪图像反透视变换:用的是室外采集到的视频,没有对应的变换矩阵.所以建立二维坐标,通过四点映射的方法计算矩阵,进行反透视 ...
基于Opencv车道线检测
二值化:先变化为灰度图,然后设定阈值直接变成二值化图像. 形态学滤波:对二值化图像进行腐蚀,去除噪点,然后对图像进行膨胀,弥补对车道线的腐蚀. ROI提取:提取感兴趣的ROI 边缘线检测:canny变 ...
车道线检测参考学习资料
一.GitHub: https://github.com/amusi/awesome-lane-detection(全) https://github.com/ChengZhongShen/Advan ...

python+opencv车道线检测（简易实现）

python+opencv车道线检测（简易实现）

实现思路：

效果展示：

代码实现：

霍夫变换加线性拟合改良：

效果图：

代码实现：

待改进：

python+opencv车道线检测（简易实现）相关推荐

最新文章

热门文章