基于图像处理的车道线检测

MATLAB基于图像处理的车道线检测

目的是识别图像中的车道线，然后将该算法扩展到视频中，从而有效地识别左右车道线，不管它是什么形状（实线与虚线），什么颜色（白色与黄色），坡度多大（直线、角度或曲线）。该项目使用的图像/视频是在美国一条高速公路上拍摄的，这条路上车道线标记得很清楚，车道线大多是直的，没有太多弯曲。

以下特征用于识别：

1. 颜色：车道线通常为浅色（白色/黄色），而道路则为深色（深灰色）。因此，黑白图像效果更好，因为车道可以很容易地从背景中分离出来。
2. 形状：车道线通常是实线或虚线，所以可以将它们与图像中的其他对象分开。可以用Canny等边缘检测算法找到图像中的所有边缘/线条。然后我们可以使用进一步的信息来决定哪些边可以被限定为车道线。
3. 方向：公路车道线更接近于垂直方向，而不是水平方向。因此，在图像中检测到的直线的斜率可以用来检查它是否可能是车道。
4. 在图像中的位置：在一个由行车记录仪拍摄的常规公路图像中，车道线通常出现在图像的下半部分。因此，可以将搜索区域缩小到感兴趣的区域，以减少噪声。

颜色选择

每个图像都由不同的色彩通道组成。在RGB配色方案中，图像中的每个像素都由红、绿、蓝三个通道的值组成。这些值在0到255之间变化，0是最暗的，255是最亮的。这样，白色为[255，255，255]，黑色为[0，0，0]。如果取三者的平均值并将该值运用到每个像素上，那么就会得到一个灰度图像。

为了得到一个灰度图像，我使用了以下代码：

这里，在变量“red_threshold”,“green_threshold”, “blue_threshold”中定义颜色阈值（rgb_threshold）。此向量包含选择中允许的红色、绿色和蓝色（R、G、B）的最小值，任何高于这些值的数值都会归为零（禁用）。在车道线与道路形成对比的情况下，这种方法尤其有效，因此我们可以设置最小值。