自动驾驶 java_深入浅出自动驾驶（一）-图像识别

这是自动驾驶的系列文章。自动驾驶的第一步是什么呢？当然，是识别当前环境，具体来说就是识别自己的正确道路-车道线，入下图所示

1 转为灰度图

彩色的图是没法识别出车道线的，所以我们需要把他转化为黑白的图像，入下图所示

大家知道，我们的图像都是由RGB三原色组成的，分别是0-255，所以，我们只要对非白色的做出处理，把他变成黑色即可，用伪码表示

loop 读取图像中的每一个像素

像素RGB < 阀值 #纯白是255,255,255

该像素 ＝ 黑色

end loop

2 将车道线叠加原图

当然，简简单单的识别出道路是不行的，我们还需要在原图中叠加道路，如上图所示，主要是一些裁剪合并之类的动作了。

3 边缘发现

之前的车道线都是白的，所以挺好做的，但是很不幸的是，车道并非都是白的，我们很可能遇到其它颜色的，而且有时候并不完整，如下图所示，所以我们需要其它的方法，比如说“边缘发现”

python提供了一个包，openCV，我们可以使用这个包来协助开发，在开发过程中还需要进行一些处理，其伪码如下

1 将整个图像转为灰度图，毕竟不需要那么多丰富的颜色

2 进行简单的高斯模糊：GaussianBlur，以减少照片噪声和细节

3 进行边缘发现

最终我们会得出如下图所示的结果

4 使用Hough Transform辨别车道线

进行边缘发现之后识别出车道线，如何识别车道线呢？车道线实际上在图像中表现为一条直线，所以我们的目标就是识别出长直线，所以，我们的目标就是识别出长直线的模式。

我们会用到一种叫做Hough Transform的方法，它是在1962有Hough发明的，它会把 y=mx+b映射成 b=xm+y,将直线变换成点，然后进行识别，如下图所示，车道线是一条路

然后把这条路映射成点

以方便识别

进行Hough Transfom后会变成这个样子

而后我们进行优化，好了后会变成这样

这样，我们就成功的识别出了车道线

(完)