深入浅出自动驾驶(一)-图像识别

这是自动驾驶的系列文章。自动驾驶的第一步是什么呢?当然,是识别当前环境,具体来说就是识别自己的正确道路-车道线,入下图所示

bVGW4o?w=960&h=540

1 转为灰度图

彩色的图是没法识别出车道线的,所以我们需要把他转化为黑白的图像,入下图所示

bVGXbR?w=492&h=276

大家知道,我们的图像都是由RGB三原色组成的,分别是0-255,所以,我们只要对非白色的做出处理,把他变成黑色即可,用伪码表示

loop 读取图像中的每一个像素
    像素RGB < 阀值  #纯白是255,255,255
    该像素 = 黑色
end loop


2 将车道线叠加原图

bVGXg0?w=492&h=276

当然,简简单单的识别出道路是不行的,我们还需要在原图中叠加道路,如上图所示,主要是一些裁剪合并之类的动作了。

3 边缘发现

之前的车道线都是白的,所以挺好做的,但是很不幸的是,车道并非都是白的,我们很可能遇到其它颜色的,而且有时候并不完整,如下图所示,所以我们需要其它的方法,比如说“边缘发现”

squares.svg

python提供了一个包,openCV,我们可以使用这个包来协助开发,在开发过程中还需要进行一些处理,其伪码如下

1 将整个图像转为灰度图,毕竟不需要那么多丰富的颜色
2 进行简单的高斯模糊:GaussianBlur,以减少照片噪声和细节
3 进行边缘发现 

最终我们会得出如下图所示的结果

squares.svg

4 使用Hough Transform辨别车道线

进行边缘发现之后识别出车道线,如何识别车道线呢?车道线实际上在图像中表现为一条直线,所以我们的目标就是识别出长直线,所以,我们的目标就是识别出长直线的模式。

我们会用到一种叫做Hough Transform的方法,它是在1962有Hough发明的,它会把 y=mx+b映射成 b=xm+y,将直线变换成点,然后进行识别,如下图所示,车道线是一条路

squares.svg

然后把这条路映射成点

squares.svg

以方便识别

进行Hough Transfom后会变成这个样子

squares.svg

而后我们进行优化,好了后会变成这样

squares.svg

这样,我们就成功的识别出了车道线

(完)

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭