当前位置:首页 » 《随便一记》 » 正文

OpenCV实战案例——车道线识别

29 人参与  2022年10月18日 10:42  分类 : 《随便一记》  评论

点击全文阅读


目录

一、首先进行canny边缘检测,为获取车道线边缘做准备

二、进行ROI提取获取确切的车道线边缘(红色线内部)

三、利用概率霍夫变换获取直线,并将斜率正数和复数的线段给分割开来

四、离群值过滤,剔除斜率相差过大的线段

五、最小二乘拟合,实现将左边和右边的线段互相拟合成一条直线,形成车道线

六、绘制线段

全部代码(视频显示)


一、首先进行canny边缘检测,为获取车道线边缘做准备

import cv2gray_img = cv2.imread('img.jpg',cv2.IMREAD_GRAYSCALE)canny_img = cv2.Canny(gray_img,50,100)cv2.imwrite('canny_img.jpg',canny_img)cv2.imshow('canny',canny_img)cv2.waitKey(0)

二、进行ROI提取获取确切的车道线边缘(红色线内部)

方法:在图像中,黑色表示0,白色为1,那么要保留矩形内的白色线,就使用逻辑与,当然前提是图像矩形外也是0,那么就采用创建一个全0图像,然后在矩形内全1,之后与之前的canny图像进行与操作,即可得到需要的车道线边缘。

import cv2import numpy as npcanny_img = cv2.imread('canny_img.jpg',cv2.IMREAD_GRAYSCALE)roi = np.zeros_like(canny_img)roi = cv2.fillPoly(roi,np.array([[[0, 368],[300, 210], [340, 210], [640, 368]]]),color=255)roi_img = cv2.bitwise_and(canny_img, roi)cv2.imwrite('roi_img.jpg',roi_img)cv2.imshow('roi_img',roi_img)cv2.waitKey(0)

三、利用概率霍夫变换获取直线,并将斜率正数和复数的线段给分割开来

TIPs:使用霍夫变换需要将图像先二值化

概率霍夫变换函数:

lines=cv2.HoughLinesP(image, rho,theta,threshold,minLineLength, maxLineGap)image:图像,必须是8位单通道二值图像rho:以像素为单位的距离r的精度,一般情况下是使用1theta:表示搜索可能的角度,使用的精度是np.pi/180threshold:阈值,该值越小,判定的直线越多,相反则直线越少minLineLength:默认为0,控制接受直线的最小长度maxLineGap:控制接受共线线段的最小间隔,如果两点间隔超过了参数,就认为两点不在同一直线上,默认为0lines:返回值由numpy.ndarray构成,每一对都是一对浮点数,表示线段的两个端点
import cv2import numpy as np#计算斜率def calculate_slope(line):    x_1, y_1, x_2, y_2 = line[0]    return (y_2 - y_1) / (x_2 - x_1)edge_img = cv2.imread('masked_edge_img.jpg', cv2.IMREAD_GRAYSCALE)#霍夫变换获取所有线段lines = cv2.HoughLinesP(edge_img, 1, np.pi / 180, 15, minLineLength=40,                        maxLineGap=20)#利用斜率划分线段left_lines = [line for line in lines if calculate_slope(line) < 0]right_lines = [line for line in lines if calculate_slope(line) > 0]

四、离群值过滤,剔除斜率相差过大的线段

流程:

获取所有的线段的斜率,然后计算斜率的平均值遍历所有斜率,计算和平均斜率的差值,寻找最大的那个斜率对应的直线,如果差值大于阈值,那么就从列表中剔除对应的线段和斜率循环执行操作,直到剩下的全部都是小于阈值的线段
def reject_abnormal_lines(lines, threshold):    slopes = [calculate_slope(line) for line in lines]    while len(lines) > 0:        mean = np.mean(slopes)        diff = [abs(s - mean) for s in slopes]        idx = np.argmax(diff)        if diff[idx] > threshold:            slopes.pop(idx)            lines.pop(idx)        else:            break    return linesreject_abnormal_lines(left_lines, threshold=0.2)reject_abnormal_lines(right_lines, threshold=0.2)

五、最小二乘拟合,实现将左边和右边的线段互相拟合成一条直线,形成车道线

流程:

取出所有的直线的x和y坐标,组成列表,利用np.ravel进行将高维转一维数组利用np.polyfit进行直线的拟合,最终得到拟合后的直线的斜率和截距,类似y=kx+b的(k,b)最终要返回(x_min,y_min,x_max,y_max)的一个np.array的数据,那么就是用np.polyval求多项式的值,举个example,np.polyval([3,0,1], 5) # 3 * 5**2 + 0 * 5**1 + 1,即可以获得对应x坐标的y坐标。
def least_squares_fit(lines):    # 1. 取出所有坐标点    x_coords = np.ravel([[line[0][0], line[0][2]] for line in lines])    y_coords = np.ravel([[line[0][1], line[0][3]] for line in lines])    # 2. 进行直线拟合.得到多项式系数    poly = np.polyfit(x_coords, y_coords, deg=1)    print(poly)    # 3. 根据多项式系数,计算两个直线上的点,用于唯一确定这条直线    point_min = (np.min(x_coords), np.polyval(poly, np.min(x_coords)))    point_max = (np.max(x_coords), np.polyval(poly, np.max(x_coords)))    return np.array([point_min, point_max], dtype=np.int)print("left lane")print(least_squares_fit(left_lines))print("right lane")print(least_squares_fit(right_lines))

六、绘制线段

cv2.line(img, tuple(left_line[0]), tuple(left_line[1]), color=(0, 255, 255), thickness=5)cv2.line(img, tuple(right_line[0]), tuple(right_line[1]), color=(0, 255, 255), thickness=5)

全部代码(视频显示)

import cv2import numpy as npdef get_edge_img(color_img, gaussian_ksize=5, gaussian_sigmax=1,                 canny_threshold1=50, canny_threshold2=100):    """    灰度化,模糊,canny变换,提取边缘    :param color_img: 彩色图,channels=3    """    gaussian = cv2.GaussianBlur(color_img, (gaussian_ksize, gaussian_ksize),                                gaussian_sigmax)    gray_img = cv2.cvtColor(gaussian, cv2.COLOR_BGR2GRAY)    edges_img = cv2.Canny(gray_img, canny_threshold1, canny_threshold2)    return edges_imgdef roi_mask(gray_img):    """    对gray_img进行掩膜    :param gray_img: 灰度图,channels=1    """    poly_pts = np.array([[[0, 368], [300, 210], [340, 210], [640, 368]]])    mask = np.zeros_like(gray_img)    mask = cv2.fillPoly(mask, pts=poly_pts, color=255)    img_mask = cv2.bitwise_and(gray_img, mask)    return img_maskdef get_lines(edge_img):    """    获取edge_img中的所有线段    :param edge_img: 标记边缘的灰度图    """    def calculate_slope(line):        """        计算线段line的斜率        :param line: np.array([[x_1, y_1, x_2, y_2]])        :return:        """        x_1, y_1, x_2, y_2 = line[0]        return (y_2 - y_1) / (x_2 - x_1)    def reject_abnormal_lines(lines, threshold=0.2):        """        剔除斜率不一致的线段        :param lines: 线段集合, [np.array([[x_1, y_1, x_2, y_2]]),np.array([[x_1, y_1, x_2, y_2]]),...,np.array([[x_1, y_1, x_2, y_2]])]        """        slopes = [calculate_slope(line) for line in lines]        while len(lines) > 0:            mean = np.mean(slopes)            diff = [abs(s - mean) for s in slopes]            idx = np.argmax(diff)            if diff[idx] > threshold:                slopes.pop(idx)                lines.pop(idx)            else:                break        return lines    def least_squares_fit(lines):        """        将lines中的线段拟合成一条线段        :param lines: 线段集合, [np.array([[x_1, y_1, x_2, y_2]]),np.array([[x_1, y_1, x_2, y_2]]),...,np.array([[x_1, y_1, x_2, y_2]])]        :return: 线段上的两点,np.array([[xmin, ymin], [xmax, ymax]])        """        x_coords = np.ravel([[line[0][0], line[0][2]] for line in lines])        y_coords = np.ravel([[line[0][1], line[0][3]] for line in lines])        poly = np.polyfit(x_coords, y_coords, deg=1)        point_min = (np.min(x_coords), np.polyval(poly, np.min(x_coords)))        point_max = (np.max(x_coords), np.polyval(poly, np.max(x_coords)))        return np.array([point_min, point_max], dtype=np.int)    # 获取所有线段    lines = cv2.HoughLinesP(edge_img, 1, np.pi / 180, 15, minLineLength=40,                            maxLineGap=20)    # 按照斜率分成车道线    left_lines = [line for line in lines if calculate_slope(line) > 0]    right_lines = [line for line in lines if calculate_slope(line) < 0]    # 剔除离群线段    left_lines = reject_abnormal_lines(left_lines)    right_lines = reject_abnormal_lines(right_lines)    return least_squares_fit(left_lines), least_squares_fit(right_lines)def draw_lines(img, lines):    left_line, right_line = lines    cv2.line(img, tuple(left_line[0]), tuple(left_line[1]), color=(0, 255, 255),             thickness=5)    cv2.line(img, tuple(right_line[0]), tuple(right_line[1]),             color=(0, 255, 255), thickness=5)def show_lane(color_img):    edge_img = get_edge_img(color_img)    mask_gray_img = roi_mask(edge_img)    lines = get_lines(mask_gray_img)    draw_lines(color_img, lines)    return color_imgcapture = cv2.VideoCapture('video.mp4')while True:    ret, frame = capture.read()    if not ret:        break    frame = show_lane(frame)    cv2.imshow('frame', frame)    cv2.waitKey(10)


点击全文阅读


本文链接:http://m.zhangshiyu.com/post/45320.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1