無人駕駛的話題日趨起熱，而車道線檢測對于無人駕駛的路徑規劃來講特別重要。要遵守交通規則，首先的要求便是對車道線檢測，而且通過檢測車道線可以進一步的檢測地面指示標志、進行前碰撞預警策略設計等。

早早就對OpenCV感興趣，但遲遲未去實踐，現在我們就一起看看如何基于OpenCV進行檢測吧！

步驟：

1、Canny邊緣檢測算法的實現

2、OPENCV ROI（感興趣區域替換）

3、霍夫變換

4、離群值過濾

5、最小二乘擬合

6、直線繪制與整合

1、canny邊緣檢測算法

Opencv中的幾種邊緣檢測算法_人工智能_k-CSDN博客?blog.csdn.net

首先，Canny 邊緣檢測是一種非常流行的邊緣檢測算法。忘記講了，前面需要將圖片灰度化，這樣使得圖片更好處理。

原圖：

灰度之后：

img=cv2.imread('img.jpg',cv2.IMREAD_GRAYSCALE)

接著進行邊緣檢測：

edge_img=cv2.Canny(img,100,150)

Canny邊緣檢測算法：

step1:用高斯濾波器平滑圖象；

step2:用一階偏導的有限差分來計算梯度的幅值和方向；

step3:對梯度幅值進行非極大值抑制；

step4:用雙閾值算法檢測和連接邊緣。

Canny（名稱，下閾值，上閾值）

主要利用梯度來看是否為邊緣，上閾值以上的保留，下閾值以下的消去，中間的若與上閾值相連的則可留下，這樣則可消去大量噪點。

2、roi去除背景

opencv ROI（感興趣區域替換）?www.cnblogs.com

首先，要考慮原圖以什么形式保存，這里采用的是利用掩碼，產生一塊對應的畫布，進行替代。

mask=np.zeros_like(edge_img) mask=cv2.fillPoly(mask,np.array([[[20,488],[700,100],[130,200],[120,200]]]),color=255) masked_edge_img=cv2.bitwise_and(edge_img,mask)

這里則需要確定畫布的四個點的位置，color=255為黑色。

3、霍夫變換

霍夫變換?www.cnblogs.com

在直角坐標系中，我們可以通過繪制 y 對 x 的圖像來表示 y=mx+b。但在霍夫空間中，我們也可以通過繪制 b 對 m 的圖像將這條線表示為一個點，即用極坐標方程。

例如，直線方程 y=2x+1 在霍夫空間中可能是用 (2, 1) 表示的。

例如，對極坐標系中的點 (8, 6)、(4, 9) 和 (12, 3)，我們在霍夫空間中繪制出的相應圖像如下：

在霍夫空間中相交的曲線越多，意味著用交點表示的線對應的點越多。如此，我們便可在霍夫空間中定義了交點的最小閾值，以便檢測車道線，消去無用的線。如果交點數量超過了定義的閾值，我們就確定一條對應參數 θ 和 r 的線。

left_lines=[line for line in lines if calculate_slope(line)>0] right_lines=[line for line in lines if calculate_slope(line)<0] 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:breakreturn lines reject_abnormal_lines(left_lines,threshold=0.002)

通過以上三步，我們便可初步將車道線的位置確定下來。歡迎大家一起來嘗試！

總結

以上是生活随笔為你收集整理的opencv 边缘平滑_基于OpenCV的车道检测实现（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。