opencv bgr2lab得到的lab范围_openCV_lane_detection（道路检测2）

上一篇文章只是使用了OpenCV简单的几个函数，实现了车道检测。这篇文章是道路检测的升级篇，其中包含了如果计算车道的曲率半径、车道宽度等，可以说这篇文章较上一篇更具有实用价值。这篇文章中使用了摄像机标定、透视变换、滑动窗口等技术。

结果展示

以下为具体方法：

1.摄像机标定

摄像机标定，是实时图像处理中最先需要解决的问题，一般用棋盘法标定。openCV中提供了几个重要的函数用于实现标定。具体过程大家可以自行百度。其中，每个摄像头的都有各自标定对应关系，所以在实际使用中，需要使用自己的摄像头，拍一张棋盘的网格图，然后用OpenCV中的函数进行标定。具体标定代码如下

def findCorners(image,grid=(9,5)):
    object_points=[]
    image_points=[]
    object_point = np.zeros((grid[0]*grid[1],3),np.float32)
    object_point[:,:2] = np.mgrid[0:grid[0],0:grid[1]].T.reshape(-1,2)
    ret, corners = cv2.findChessboardCorners(image,grid,None)
    if ret:
        object_points.append(object_point)
        image_points.append(corners)

    return object_points,image_points

def cal_undistort(image,objpoints,imgpoints):
    ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints,
                                                       imgpoints,image.shape[1::-1],None,None)
    dst = cv2.undistort(image,mtx,dist,None,mtx)

    return dst

2.透视变换

透视变换，即把拍摄的道路图片变成鸟瞰图。具体代码如下

def get_M_Minv():
    src = np.float32([[(203,720),(585,460),(695,460),(1127,720)]])
    dst = np.float32([[(320,720),(320,0),(960,0),(960,720)]])
    M = cv2.getPerspectiveTransform(src,dst)
    Minv = cv2.getPerspectiveTransform(dst,src)

    return M,Minv

（其中M即表示原始图到鸟瞰图之间的变换关系；Minv表示鸟瞰图到原始图之间的变换关系，在鸟瞰图上处理后得到相应数据，最后还是要表现在原始图上，所以需要反转关系；有