火车轨道铁路轨道检测识别(附带Python源码+详细解析)

    现在的网络上，铁轨检测的源码几乎没有，所以自己参照着一篇汽车车道线检测的方法，然后调节参数，实现了铁轨的轨道检测，但现在只能检测直线，弯曲的铁轨检测下一步会实现，实现之后会更新的，敬请期待。    

    弯轨检测的已经实现并且检测效果不弱于直线：火车轨道铁路轨道检测识别（弯轨+直轨）通用性（Python源码+讲解）

    针对现有的火车轨道检测，从汽车车道线延伸过来，用的是同样的方法可以实现火车轨道检测。

    需求环境

     Ubuntu16.04 

     python3.5 

    opencv3.2

    原图：

    

    效果图：

    

    首先，是对图片的读取操作，采用的是imread函数

img = mplimg.imread("lane.jpg")
print("start to process the image....")

    ①灰度转换

    首先是对图片进行灰度转换   cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

    

    这里的灰度图因为有颜色让我探索了好久，后来发现imwrite之后的是没有颜色的，猜想原因应该是plt.imshow()的原因

    ②高斯变换

    进行高斯变换，曲率选择29   cv2.GaussianBlur(gray, (blur_ksize, blur_ksize), 0, 0)

    

    ③边缘检测（Canny算子检测）

    利用canny算子检测，设置好双阈值 [40,130]，cv2.Canny(blur_gray, canny_lthreshold, canny_hthreshold)

    

    ④选取RIO区域

    针对火车的特殊性，轨道总是出现在固定的位置，选取一个梯形的RIO区域

    RIO区域如下所示：网格区域，选取出来四个角点

    

def roi_mask(img, vertices):#img是输入的图像，verticess是兴趣区的四个点的坐标（三维的数组）
  mask = np.zeros_like(img)#生成与输入图像相同大小的图像，并使用0填充,图像为黑色
  #defining a 3 channel or 1 channel color to fill the mask with depending on the input image
  if len(img.shape) > 2:
    channel_count = img.shape[2]  # i.e. 3 or 4 depending on your image
    mask_color = (255,) * channel_count#如果 channel_count=3,则为(255,255,255)
  else:
    mask_color = 255
  cv2.fillPoly(mask, vertices, mask_color)#使用白色填充多边形，形成蒙板
  masked_img = cv2.bitwise_and(img, mask)#img&mask，经过此操作后，兴趣区域以外的部分被蒙住了，只留下兴趣区域的图像
  return masked_img

   

    ⑥识别两条铁轨，霍夫直线检测

    针对两条铁轨不同的斜率划分出来左右，霍夫直线检测，然后将划分出来的点，进行线性拟合，绘制出两个铁轨

    两条铁路的的斜率和拍摄的视角有关系，如果摄像机安装在机车的中心区域，那么两条铁轨的斜率是一正一负两个级别，可以用0来进行划分，但是因为我图片中的拍摄位置问题，两条铁路都是负斜率，所以需要界定一个中间值，大概是 -0.6左右，将两条铁轨可以完美的区别开。

def draw_lanes(img, lines, color=[255, 0, 0], thickness=8):
  left_lines, right_lines = [], []#用于存储左边和右边的直线
  for line in lines:#对直线进行分类
    for x1, y1, x2, y2 in line:
        #cv2.line(img, (x1, y1),(x2,y2), color, thickness)  # 画出直线
        k = (y2 - y1) / (x2 - x1)
        if k < -7:
            left_lines.append(line)
        else:
            right_lines.append(line)

#  for line in right_lines:
#      for x1,y1,x2,y2 in line:
#          cv2.line(img, (x1, y1), (x2, y2), color, thickness)

  if (len(left_lines) <= 0 or len(right_lines) <= 0):
    return img

#  for line in left_lines:  # 对直线进行分类
#      for x1, y1, x2, y2 in line:
#          cv2.line(img, (x1, y1), (x2, y2), color, thickness)  # 画出直线
  #clean_lines(left_lines, 0.1)#弹出左侧不满足斜率要求的直线
  clean_lines(right_lines, 0.1)#弹出右侧不满足斜率要求的直线

  left_points = [(x1, y1) for line in left_lines for x1,y1,x2,y2 in line]#提取左侧直线族中的所有的第一个点
  left_points = left_points + [(x2, y2) for line in left_lines for x1,y1,x2,y2 in line]#提取左侧直线族中的所有的第二个点
  right_points = [(x1, y1) for line in right_lines for x1,y1,x2,y2 in line]#提取右侧直线族中的所有的第一个点
  right_points = right_points + [(x2, y2) for line in right_lines for x1,y1,x2,y2 in line]#提取右侧侧直线族中的所有的第二个点

  left_vtx = calc_lane_vertices(left_points, 700, img.shape[0])#拟合点集，生成直线表达式，并计算左侧直线在图像中的两个端点的坐标
  right_vtx = calc_lane_vertices(right_points, 700, img.shape[0])#拟合点集，生成直线表达式，并计算右侧直线在图像中的两个端点的坐标

  cv2.line(img, (left_vtx[0][0],left_vtx[0][1]), left_vtx[1], color, thickness=20)#画出直线
  cv2.line(img, (right_vtx[0][0]-50,right_vtx[0][1]), right_vtx[1], color, thickness=20)#画出直线

#将不满足斜率要求的直线弹出
def clean_lines(lines, threshold):
    slope=[]
    for line in lines:
        for x1,y1,x2,y2 in line:
            k=(y2-y1)/(x2-x1)
            slope.append(k)
    #slope = [(y2 - y1) / (x2 - x1) for line in lines for x1, y1, x2, y2 in line]
    while len(lines) > 0:
        mean = np.mean(slope)#计算斜率的平均值，因为后面会将直线和斜率值弹出
        diff = [abs(s - mean) for s in slope]#计算每条直线斜率与平均值的差值
        idx = np.argmax(diff)#计算差值的最大值的下标
        if diff[idx] > threshold:#将差值大于阈值的直线弹出
          slope.pop(idx)#弹出斜率
          lines.pop(idx)#弹出直线
        else:
          break

    

    最后，将两个图像进行叠加，输出图像

   

    完整代码：https://github.com/Zanderzt/Rail-detection

   代码调不易，star两行泪，欢迎star，感谢~