车道线检测– Python中的计算机视觉项目

最新推荐文章于 2023-11-26 10:05:26 发布

置顶

fengl13

最新推荐文章于 2023-11-26 10:05:26 发布

阅读量2.3k

点赞数 5

分类专栏：机器学习文章标签：自动驾驶机器学习 opencv 深度学习 python

本文链接：https://blog.csdn.net/fengl13/article/details/109341866

版权

本文介绍了一个使用Python和OpenCV实现的车道线检测项目，详细讲解了通过霍夫变换检测车道线的过程，包括应用帧遮罩、转换像素到线、处理视频帧以及创建结果输出视频。该项目对自动驾驶汽车的路径识别具有重要意义。

摘要由CSDN通过智能技术生成

车道线检测– Python中的计算机视觉项目

Python实现车道线检测代码及教程

)

Python实现车道线检测代码及教程

车道线检测是自动驾驶汽车和计算机视觉的重要组成部分。该概念用于描述自动驾驶汽车的路径，并避免进入另一条车道的风险。
在本文中，我们将构建一个机器学习项目，以实时检测车道线。我们将使用OpenCV库中的计算机视觉概念来完成此操作。要检测车道，我们必须检测车道两侧的白色标记。主要使用Python中的计算机视觉技术，因为自动驾驶汽车不应越过车道，也不应在对面的车道上行驶以避免发生事故。

车道线检测

霍夫变换

为了检测车道上的白色标记，首先，我们需要遮盖车架的其余部分。我们使用帧遮罩进行此操作。该帧不过是图像像素值的NumPy数组。为了掩盖帧中不必要的像素，我们只需将NumPy数组中的像素值更新为0。

完成后，我们需要检测车道线。这种用于检测数学形状的技术称为霍夫变换。霍夫变换可以检测矩形，圆形，三角形和直线等形状

主要步骤如下

1. Imports:

导入我们需要的一些包

var foo = 'bar';
import matplotlib.pyplot as plt

import numpy as np
import cv2
import os
import matplotlib.image as mpimg
from moviepy.editor import VideoFileClip
import math

2. 应用帧遮罩并找到感兴趣的区域:

def interested_region(img, vertices):
    if len(img.shape) > 2: 
        mask_color_ignore = (255,) * img.shape[2]
    else:
        mask_color_ignore = 255
        
    cv2.fillPoly(np.zeros_like(img), vertices, mask_color_ignore)
    return cv2.bitwise_and(img, np.zeros_like(img))

3.在霍夫变换空间中将像素转换为线

def hough_lines(img, rho, theta, threshold, min_line_len, max_line_gap):
    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)
    lines_drawn(line_img,lines)
    return line_img

4.霍夫变换后，在每帧中创建两行

def lines_drawn(img, lines, color=[255, 0, 0], thickness=6):
    global cache
    global first_frame
    slope_l, slope_r = [],[]
    lane_l,lane_r = [],[]

    α =0.2 
  for line in lines:
        for x1,y1,x2,y2 in line:
            slope = (y2-y1)/(x2-x1)
            if slope > 0.4:
                slope_r.append(slope)
                lane_r.append(line)
            elif slope < -0.4:
                slope_l.append(slope)
                lane_l.append(line)
        img.shape[0] = min(y1,y2,img.shape[0])
    if((len(lane_l) == 0) or (len(lane_r