python基于opencv的车道线检测左右转弯原理详解

该项目的目标/步骤如下：

• 给定一组棋盘图像计算相机校准矩阵和畸变系数。
• 对原始图像应用失真校正。
• 使用颜色变换、渐变等来创建阈值二值图像。
• 应用透视变换来校正二进制图像（“鸟瞰图”）。
• 检测车道像素并拟合以找到车道边界。
• 确认检测到的线与现实和之前的线一致，即它们具有相似的曲率，水平距离在3.7m左右等。
• 确定车道的曲率和车辆相对于中心的位置。
• 将检测到的车道边界变形回原始图像。
• 输出车道边界的视觉显示以及车道曲率和车辆位置的数值估计。

校准图像的过程使用棋盘图案并从对象点的定义开始（现实世界中奶酪图案上的已知点以 xyz 坐标给出，其中 z=0 因为图案位于平面上）和图像点（在图像上找到的点，使用函数：cv2.findChessboardCorners）。对于文件夹“/camera_cal”中的每个图像，这些点存储在 numpy 数组中。通过匹配图像和目标点（使用函数 cv2.calibrateCamera），我们可以获得相机矩阵和畸变参数，这将允许我们使用“cv2.undistort”函数对图像进行去畸变。然后将这些参数保存在 pickle 文件中以备将来使用。

 图。1。扭曲的棋盘图案

 图 2。未扭曲的棋盘图案

管道

在这里，我总结了我的车道数据操作管道。

1.畸变校正

应用相机不失真（功能不失真（img，mtx，dist，None，mtx）），我们可以从失真图像（img）：到未 

 失真图像：  通过使用相机矩阵（mtx）和失真系数（dis