基于OpenCv的车道检测

项目背景和步骤

车道检测是自动驾驶领域不可或缺的一环

具体步骤如下：

一、将图像灰度化，并进行适度的高斯滤波，剔除干扰
二、利用Canny边缘检测，检测出车道和其它物体的边缘
三、使用ROI区域截取，截取需要的部分，再次剔除干扰
四、利用霍夫直线检测，检测出图像中直线部分
五、通过计算，得出车道的具体位置

步骤一、车道图像预处理

图像的预处理主要分为两个部分：灰度化和降噪。通过图像的灰度化，可以大大减小计算量和不必要的干扰由于边缘提取对噪声非常敏感，所以还要对图像进行适当的降噪处理可以使用高斯滤波，去除不必要的噪点?。

步骤二、车道边缘检测

使用ROI截取来截取图片中所需要的部分内容

步骤三、车道霍夫直线变换变成直线

使用霍夫直线变换，将车道图像转换成直线图像，以便于后续的计算。

步骤四、车道线计算

车道计算步骤：
1、根据斜率区分开左右车道；
2、滤掉一些异常数据；
3、利用最小二乘法拟合左右车道线；
4、直接使用np.polyfit()进行最小二乘法拟合?；

采用绿色填充车道区域，更便于实际观察使用
将draw_lanes(hough_lines_img, hough_lines, draw_type='line')中最后的参数修改为‘area’。
使用cv.fillPoly()函数来绘制车道区域
格式：cv.fillPoly(img,pts,color[,lineType[,shift[,offset]]])

代码链接?

基于OpenCv的车道线检测