项目背景
本项目是笔者希望基于驾驶模拟类游戏 欧洲卡车模拟2(ETS2) 实现驾驶辅助系统的设想的一个基础项目 车道识别
关于《欧洲卡车模拟2》
《欧洲卡车模拟2》是一款模拟经营类游戏,在游戏中玩家要驾驶卡车完成货物运输任务,并可以购买更多的车库、卡车、挂车,从司机介绍所雇佣司机来为你工作,组建自己的物流公司。游戏中玩家可以改装自己的卡车、挂车的几乎每一个部件,从驾驶室到底盘到各种配件和内饰。穿越欧洲大陆,组建自己的运输帝国。
项目基本思路
对于车道线检测,首先需要使程序能够检测出单张图片中的车道线,以此为依据进一步拓展至视频中的车道线检测,并最终推至实时画面中的车道线检测。
对于单张图片的车道线识别,我的思路如下:
我们默认摄像机在车内位置是不变的,因此路面在画面中的位置大致是不变的,为了降低噪声影响,我们可以人为选取路面位置作为兴趣区域,并对兴趣区域进行边缘检测与直线识别操作,并最终输出处理结果。
原图
项目步骤
- 图像灰度处理
- 高斯模糊降噪
- ROI兴趣区域掩膜
- canny边缘检测
- 霍夫直线检测
- 车道线拟合
- 图像结果输出
图像灰度处理
将原有的RGB三维色彩信息处理为一维的灰度值
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
灰度处理结果
高斯滤波
降低图片噪声值,便于边缘检测
blur_ksize = 7
blur_gray = cv2.GaussianBlur(gray, (blur_ksize, blur_ksize), 1)
滤波后结果
canny边缘检测
对图片进行边缘检测,便于下一步的霍夫直线检测
canny_lthreshold = 50
canny_hthreshold = 80
edges = cv2.Canny(blur_gray, canny_lthreshold, canny_hthreshold)
canny边缘检测结果
ROI兴趣区域掩膜处理
通过人为处理去除掉大部分的噪声值,便于直线检测
def roi_mask(img, np.array([[(0, 660), (0, img.shape[1]),(img.shape[1], img.shape[0]), (img.shape[1]