车道线识别（附代码）

阿利同学

已于 2023-12-22 15:44:45 修改

阅读量1.7k

点赞数 2

分类专栏：新手小白编程的Python人工智能之路文章标签： python 计算机视觉 opencv 车道线识别

于 2022-11-03 20:49:20 首次发布

本文链接：https://blog.csdn.net/ALiLiLiYa/article/details/127677866

版权

新手小白编程的Python人工智能之路专栏收录该内容

58 篇文章 39 订阅

订阅专栏

车道线识别效果

在这里插入图片描述

车道线识别方法

当我们开车时，我们用眼睛来决定去哪里。道路上显示车道位置的线作为我们将车辆转向的恒定参考。自然，在开发自动驾驶汽车时，我们首先要做的事情之一就是使用算法自动检测车道线。

对于这个项目，一篇优秀的文章应该对项目标准的“反思”部分做出详细的回应。反射有三个部分：
1.描述线条
2.确定任何缺点
3.建议可能的改进
我们鼓励在您的写作中使用图像来演示您的线条提取是如何工作的。
所有这些，请简明扼要！我们不是在找你写一本书：只是一个简短的描述。
视频效果
在这里插入图片描述
车道线检测是一种计算机视觉技术，旨在识别和提取道路上的车道线信息。它是自动驾驶技术和驾驶辅助系统的关键部分之一。

车道线检测的过程通常分为以下几个步骤：

图像获取：通过摄像头或其他传感器获取道路图像。
图像预处理：对获取到的图像进行预处理，包括灰度化、滤波、边缘检测等，以增强车道线的可见性。
特征提取：使用图像处理算法从预处理后的图像中提取车道线的特征，如边缘、颜色、纹理等。常用的特征提取算法包括霍夫变换、Canny算子等。
车道线识别：根据提取到的特征，利用分类器或其他机器学习算法对车道线进行识别和分析，以区分车道线和其他道路上的线条或目标。
车道线跟踪：如果需要实时跟踪车道线，还可以使用目标跟踪算法来跟踪车道线的位置和变化。
可视化和反馈：将检测到的车道线信息通过可视化界面或其他方式反馈给驾驶员或自动驾驶系统，以提供辅助驾驶或自动驾驶功能。

车道线检测技术在自动驾驶和驾驶辅助系统中发挥着重要作用，可以提高驾驶的安全性和舒适性，帮助车辆保持在正确的车道上行驶。

主要代码

import math

def grayscale(img):
   
    return cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    # Or use BGR2GRAY if you read an image with cv2.imread()
    # return cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
def canny(img, low_threshold, high_threshold):
    """Applies the Canny transform"""
    return cv2.Canny(img, low_threshold, high_threshold)

def gaussian_blur(img, kernel_size):
    """Applies a Gaussian Noise kernel"""
    return cv2.GaussianBlur(img, (kernel_size, kernel_size), 0)

def region_of_interest(img, vertices):
    
    #defining a blank mask to start with
    mask = np.zeros_like(img)   
    
    #defining a 3 channel or 1 channel color to fill the mask with depending on the input image
    if len(img.shape) > 2:
        channel_count = img.shape[2]  # i.e. 3 or 4 depending on your image
        ignore_mask_color = (255,) * channel_count
    else:
        ignore_mask_color = 255
        
    #filling pixels inside the polygon defined by "vertices" with the fill color    
    cv2.fillPoly(mask, vertices, ignore_mask_color)
    
    #returning the image only where mask pixels are nonzero
    masked_image = cv2.bitwise_and(img, mask)
    return masked_image车道线检测简介




def draw_lines(img, lines, color=[255, 0, 0], thickness=2):
   
    for line in lines:
        for x1,y1,x2,y2 in line:
            cv2.line(img, (x1, y1), (x2, y2), color, thickness)

def hough_lines(img, rho, theta, threshold, min_line_len, max_line_gap):
    """
    `img` should be the output of a Canny transform.
        
    Returns an image with hough lines drawn.
    """
    lines = cv2.HoughLinesP(img, rho, theta, threshold, np.array([]), minLineLength=min_line_len, maxLineGap=max_line_gap)
    line_img = np.zeros((img.shape[0], img.shape[1], 3), dtype=np.uint8)
    draw_lines(line_img, lines)
    return line_img

# Python 3 has support for cool math symbols.

def weighted_img(img, initial_img, α=0.8, β=1., γ=0.):
   
    return cv2.addWeighted(initial_img, α, img, β, γ)

代码使用流程

步骤1：如果尚未下载安装请安装。
步骤2：打开Jupyter笔记本中的代码
您将在Jupyter笔记本中完成项目代码。如果您不熟悉Jupyter笔记本，请查看Udacity关于Anaconda和Jupyter Notebook的免费课程以开始学习。
Jupyter是一个Ipython笔记本，您可以在其中运行代码块并以交互方式查看结果。这个项目的所有代码都包含在Jupyter笔记本中。要在浏览器中启动Jupyter，请使用终端导航到您的项目目录，然后在终端提示符下运行以下命令（确保您已按照carnd term1 Starter Kit安装说明中的说明激活了Python 3 carnd-term1环境！）：
jupyter笔记本
将出现一个浏览器窗口，显示当前目录的内容。单击名为“P1.ipynb”的文件。另一个浏览器窗口将显示笔记本。按照笔记本中的说明完成项目。
步骤3：完成项目并提交Ipython笔记本和项目报告