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
![32f3b2a2493282c1cc089aaea9f4125d.png](https://img-blog.csdnimg.cn/img_convert/32f3b2a2493282c1cc089aaea9f4125d.png)
![475287da35a4a026a8f4126e61830c7f.png](https://img-blog.csdnimg.cn/img_convert/475287da35a4a026a8f4126e61830c7f.png)
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
![0d874258b4ced5761aca0ed1f1dd01e5.png](https://img-blog.csdnimg.cn/img_convert/0d874258b4ced5761aca0ed1f1dd01e5.png)
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