识别道路上的车道是所有司机的共同任务,以确保车辆在驾驶时处于车道限
制之内,并减少因越过车道而与其他车辆发生碰撞的机会。
对自动驾驶汽车来说,这同样也是一项关键任务。事实证明,使用计算机视觉技术识别道
路上的车道标记是可能的。本算法将介绍其中的一些技术。
这个项目的目标是创建一种方法,使用
Python
和
OpenCV
在道路上找到车道线。
实例图像
Udacity
提供了
960 x 540
像素的示例图像,
用于训练我们的算法。
下面是提供的两个图像。
算法步骤
在这一部分中,我们将详细介绍本算法所需的不同步骤,这将使我们能够识别和分类车道
线,如下所示
:
将原始图像转换为
HSL
从
HSL
图像中分离出黄色和白色
将分离的
HSL
与原始图像相结合
将图像转换为灰度,便于操作
应用高斯模糊来平滑边缘
在平滑的灰色图像上应用
Canny
边缘检测
跟踪感兴趣的区域,并剔除其他区域的信息
执行一个霍夫变换,在我们感兴趣的区域内找到车道,并用红色跟踪它们
分开左车道和右车道
插入直线梯度来创建两条平滑的直线
每个步骤的输入都是前一步的输出
(
例如,我们对区域分割图像应用
Hough
变换
)
。
转换到不同的色彩空间
虽然我们的图像目前是
RBG
格式,
但是我们应该探索在不同的颜色空间,
如
HSL
或
HSV