| 毕业设计 | 您所在的位置：网站首页 › 车道线检测算法 › 毕业设计 |
毕业设计
|
文章目录
0 前言1 车道线检测2 目标3 检测思路4 代码实现4.1 视频图像加载4.2 车道线区域4.3 区域4.4 canny 边缘检测4.5 霍夫变换(Hough transform)4.6 HoughLinesP 检测原理4.6.1 定义显示车道线方法4.6.2 查看探测车道线数据结构4.6.3 探测车道线4.6.4 合成4.6.5 优化
5 最后
0 前言
无人驾驶技术是机器学习为主的一门前沿领域，在无人驾驶领域中机器学习的各种算法随处可见，今天学长给大家介绍无人驾驶技术中的车道线检测。 1 车道线检测在无人驾驶领域每一个任务都是相当复杂，看上去无从下手。那么面对这样极其复杂问题，我们解决问题方式从先尝试简化问题，然后由简入难一步一步尝试来一个一个地解决问题。车道线检测在无人驾驶中应该算是比较简单的任务，依赖计算机视觉一些相关技术，通过读取 camera 传入的图像数据进行分析，识别出车道线位置，我想这个对于 lidar 可能是无能为力。所以今天我们就从最简单任务说起，看看有哪些技术可以帮助我们检出车道线。 我们先把问题简化，所谓简化问题就是用一些条件限制来缩小车道线检测的问题。我们先看数据，也就是输入算法是车辆行驶的图像，输出车道线位置。 更多时候我们如何处理一件比较困难任务，可能有时候我们拿到任务时还没有任何思路，不要着急也不用想太多，我们先开始一步一步地做，从最简单的开始做起，随着做就会有思路，同样一些问题也会暴露出来。我们先找一段视频，这段视频是我从网上一个关于车道线检测项目中拿到的，也参考他的思路来做这件事。好现在就开始做这件事，那么最简单的事就是先读取视频，然后将其显示在屏幕以便于调试。 2 目标检测图像中车道线位置，将车道线信息提供路径规划。 3 检测思路 图像灰度处理图像高斯平滑处理canny 边缘检测区域 Mask霍夫变换绘制车道线 4 代码实现 4.1 视频图像加载 import cv2 import numpy as np import sys import pygame from pygame.locals import * class Display(object): def __init__(self,Width,Height): pygame.init() pygame.display.set_caption('Drive Video') self.screen = pygame.display.set_mode((Width,Height),0,32) def paint(self,draw): self.screen.fill([0,0,0]) draw = cv2.transpose(draw) draw = pygame.surfarray.make_surface(draw) self.screen.blit(draw,(0,0)) pygame.display.update() if __name__ == "__main__": solid_white_right_video_path = "test_videos/丹成学长车道线检测.mp4" cap = cv2.VideoCapture(solid_white_right_video_path) Width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) Height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) display = Display(Width,Height) while True: ret, draw = cap.read() draw = cv2.cvtColor(draw,cv2.COLOR_BGR2RGB) if ret == False: break display.paint(draw) for event in pygame.event.get(): if event.type == QUIT: sys.exit()上面代码学长就不多说了，默认大家对 python 是有所了解，关于如何使用 opencv 读取图片网上代码示例也很多，大家一看就懂。这里因为我用的是 mac 有时候显示视频图像可能会有些问题，所以我们用 pygame 来显示 opencv 读取图像。这个大家根据自己实际情况而定吧。值得说一句的是 opencv 读取图像是 BGR 格式，要想在 pygame 中正确显示图像就需要将 BGR 转换为 RGB 格式。 4.2 车道线区域现在这个区域是我们根据观测图像绘制出来，
|
【本文地址】