OpenCV 车道线提取

在车道线检测中，使用的是HSL颜色空间，其中H表示色相，即颜色，S表示饱和度，即颜色的纯度，L表示颜色的明亮程度。

本案例基于图像的梯度和颜色特征，定位车道线的位置。

在这里选用Sobel边缘提取算法，Sobel相比于Canny的优秀之处在于，它可以选择横向或纵向的边缘进行提取。从车道的拍摄图像可以看出，车道线在横向上的边缘突变是需要关心的问题。OpenCV提供的cv2.Sobel()函数，将进行边缘提取后的图像做二进制图的转化，即提取到边缘的像素点显示为白色（值为1），未提取到边缘的像素点显示为黑色（值为0）。由于只使用边缘检测，在有树木阴影覆盖的区域时，虽然能提取出车道线的大致轮廓，但会同时引入的噪声，给后续处理带来麻烦。所以在这里引入颜色阈值来解决这个问题。

import cv2 import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimgdef pipeline(img, s_thresh=(170, 255), sx_thresh=(50, 300)):img = np.copy(img)#1.将图像转换为HLS色彩空间，并分离各个通道hls = cv2.cvtColor(img, cv2.COLOR_RGB2HLS).astype(np.float64)h_channel = hls[:, :, 0]l_channel = hls[:, :, 1]s_channel = hls[:, :, 2]#2.利用sobel计算x方向的梯度sobelx = cv2.Sobel(l_channel, cv2.CV_64F, 1, 0)abs_sobelx = np.absolute(sobelx)# 将导数转换为8bit整数scaled_sobel = np.uint8(255 * abs_sobelx / np.max(abs_sobelx))sxbinary = np.zeros_like(scaled_sobel)sxbinary[(scaled_sobel >= sx_thresh[0]) & (scaled_sobel <= sx_thresh[1])] = 1# 3.对s通道进行阈值处理s_binary = np.zeros_like(s_channel)s_binary[(s_channel >= s_thresh[0]) & (s_channel <= s_thresh[1])] = 1# 4. 将边缘检测的结果和颜色空间阈值的结果合并，并结合l通道的取值，确定车道提取的二值图结果color_binary = np.dstack((np.zeros_like(sxbinary), sxbinary, s_binary))return color_binarydef draw_images(img, undistorted, title, cmap):f, (ax1, ax2) = plt.subplots(1, 2, figsize=(24, 9))f.tight_layout()ax1.imshow(img)ax1.set_title('Original Image', fontsize=50)if cmap is not None:ax2.imshow(undistorted, cmap=cmap)else:ax2.imshow(undistorted)ax2.set_title(title, fontsize=50)plt.subplots_adjust(left=0., right=1, top=0.9, bottom=0.)plt.show()if __name__ == '__main__':image = mpimg.imread('./img.png')pipeline_img = pipeline(image)draw_images(image, pipeline_img, 'Pipeline Result', None)

代码运行结果：

总结：

颜色空间：

HLS：色相，饱和度，明亮程度

车道线提取

颜色空间转换 → 边缘检测 → 颜色阈值 → 合并得到检测结果。

注：NumPy 1.20.0 后的版本 弃用了 np.float，需要改为 np.float64
https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

弃用的名称相同NumPy标量类型名称

numpy.bool	bool	numpy.bool_
numpy.int	int	numpy.int_（默认）numpy.int64，或numpy.int32
numpy.float	float	numpy.float64，numpy.float_，numpy.double
numpy.complex	complex	numpy.complex128，numpy.complex_，numpy.cdouble
numpy.object	object	numpy.object_
numpy.str	str	numpy.str_
numpy.long	int	numpy.int_，numpy.longlong
numpy.unicode	str	numpy.unicode_

总结

以上是生活随笔为你收集整理的OpenCV 车道线提取的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。