【辅助驾驶】Python OpenCV实现车道线检测

一、功能

车辆前方的车道线进行检测,效果如图:

【辅助驾驶】Python OpenCV实现车道线检测_第1张图片

 

 

二、算法

2.1、基于Hough变换的车道线检测

1)假设

在工程上(实际使用中或者demo中) 存在一些约束:前方存在左右两个车道线,并与当前正前方存在一定角度

2)主要思路

  1. 读取图像并选择感兴趣的区域ROI进行下一步处理 
  2. 对ROI区域进行预处理包括灰度化,膨胀和腐蚀 
  3. 对预处理后的图像进行边缘检测(Canny算子) 
  4. 对边缘检测后度图像进行概率霍夫变换得到多条直线 
  5. 对直线进行分组,根据斜率分成左线和右线 
  6. 选择左右线各一条,之后scale直线是其延伸至边界

3)效果

【辅助驾驶】Python OpenCV实现车道线检测_第2张图片

参考(附代码):Python初步实现车道线检测

2.2、基于透视变换

1)核心算法

利用透视变换获得俯视图(鸟瞰图),使用滑动窗多项式拟合(sliding window polynomial fitting)来获取车道边界。

2)实现步骤

  • 使用提供的一组棋盘格图片计算相机校正矩阵(camera calibration matrix)和失真系数(distortion coefficients).
  • 校正图片
  • 使用梯度阈值(gradient threshold),颜色阈值(color threshold)等处理图片得到清晰捕捉车道线的二进制图(binary image).
  • 使用透视变换(perspective transform)得到二进制图(binary image)的鸟瞰图(birds-eye view).
  • 检测属于车道线的像素并用它来测出车道边界.
  • 计算车道曲率及车辆相对车道中央的位置.
  • 处理图片展示车道区域,及车道的曲率和车辆位置.

3)效果

【辅助驾驶】Python OpenCV实现车道线检测_第3张图片

4)代码

Github:https://github.com/linghugoogle/CarND-Advanced-Lane-Lines

2.3、机器学习

2.3.1、VPGNet

Vanishing Point Guided Network for Lane and Road Marking Detection and Recognition,他们自己建立了一个数据集。

1)效果

【辅助驾驶】Python OpenCV实现车道线检测_第4张图片

2)网络结构

【辅助驾驶】Python OpenCV实现车道线检测_第5张图片

3)代码

Github:https://github.com/linghugoogle/VPGNet

2.3.2、deep neural network model

Implemention of lanenet model for real time lane detection using deep neural network model,使用图森的数据集。

1)效果

【辅助驾驶】Python OpenCV实现车道线检测_第6张图片

【辅助驾驶】Python OpenCV实现车道线检测_第7张图片

2)网络结构

【辅助驾驶】Python OpenCV实现车道线检测_第8张图片

3)代码

Github:https://github.com/linghugoogle/lanenet-lane-detection

你可能感兴趣的:(全栈开发)