cv2边缘检测 填充_JetBot AI计算机视觉自动驾驶机器人 -- 车道检测

通常，汽车道路上都会有白色的分道线，汽车在路上行驶时，必须在车道内行驶，这样才能保持道路秩序；想要自动驾驶，也就需要车道识别，才能让汽车沿着车道行驶。传统的车道识别通过摄像头实时采集道路信息，通过计算机视觉处理，来识别出车道。

具体的做法是，摄像头读入一帧图像，对图像进行畸变校正，变成黑白图片，高斯降噪，然后用二值化边缘检测（canny）或 sobel，分析边缘信息，得到车道信息（角度、是否偏离车道等）。

下面描述 jetbot 下，使用Python 和 OpenCV 做车道检测的具体过程：

1. 相机校准
2. 图像采集
3. 边缘检测
4. 矩形二维映射
5. 车道识别与拟合

相机校准

我们知道，摄像头特别是广角摄像头，拍摄的照片通常都会有畸变（桶形畸变、枕形畸变），这样在通过摄像头采集的图片就需要校正，以修正失真。通常的校准方法是通过采集摄像头的棋盘格拍摄图像，然后通过OpenCV进行计算校准。具体算法和原理，大家可以网上搜。

准备图片

如上图所示的棋盘格图片，下载后打印到A4纸上，固定贴到墙上或者贴到硬板上，然后按下图的位置，拍摄20张图片，（不同角度、不同位置）

这里代码中提供了独立的摄像头采集图片代码：

python tegra_cam.py --width 320 --height 240 --path cap_imgs

每按一次's'键就会保存一张图片。

准备好图片后，就可以运行代码，进行校准了；

python calibrate_camera.py --imgpath cal_imgs --imgfile calibration.jpg

这里假设图片保存在运行代码的cal_imgs目录，图片以calibration1-20.jpg命名。运行后会保存校准参数文件到camera_cal320-240.p中，这里的320 240是之前采集的图片文件的分辨率。

车道检测

图像采集：

校正图片：

        image=cv2.imread(image_file)
	height = ima