导入包

车道线检测是智能驾驶和智能交通系统中的重要组成部分对于提高道路安全、交通效率和驾驶舒适性具有重要意义。

在本篇文章中将介绍使用OpenCV进行车道线的检测

导入包

plt.show()cv2.Canny()函数的语法和参数说明

语法edges

参数image输入图像通常是8位灰度图像。

threshold1第一个阈值。

边缘梯度值高于这个阈值的像素被视为边缘。

threshold2第二个阈值。

在这两个阈值之间的边缘会被认为是强边缘而低于threshold1但高于threshold2的边缘被认为是弱边缘。

只有与强边缘相连的弱边缘才会被认为是真正的边缘。

apertureSize可选Sobel算子的孔径大小用于计算梯度。

默认是3。

L2gradient可选一个布尔值指定是否使用L2范数来计算梯度幅度。

如果为True则使用L2范数否则使用L1范数这更快。

默认是False。

从边缘检测的结果看仍然存在很多干扰区域我们可以通过掩码操作除去这一部分的干扰。

在获取掩码的步骤中首先构建一个全为0的掩码即黑色部分。

然后使用cv2,fillPoly来绘制掩码中值为255的白色部分。

polygons

参数img原图像。

pts多边形的顶点坐标列表。

其中每个元素是一个二维坐标点即顶点的坐标。

color填充颜色。

这是一个三元组表示

BGR

可选参数cv2.LINE_8(8-连通)cv2.LINE_4(4-连通)cv2.LINE_AA(反锯齿线条)。

shift点的精度。

这是一个整数值表示每个坐标点

(x,y)

np.zeros_like(image)cv2.fillPoly(mask,

polygons,

在这一步可以先获取车道线的直线部分再将获取到的直线线段绘制到原图像

mask_img

4)plt.imshow(img)cv2.HoughLinesP

Hough

Transform以检测直线能够返回检测到的直线的起点和终点的坐标。

cv2.HoughLinesP

是直线的角度以弧度为单位。

通常可以使用较小的角度步长来提高角度的精度。

threshold累加器阈值。

只有那些累加器值大于阈值的直线才会被返回。

这个值越高检测到的直线就越强。

lines一个可选参数用于存储检测到的直线的端点坐标。

它是一个

NumPy

y2]分别表示直线的起点和终点的坐标。

minLineLength可选参数表示检测到的直线的最小长度。

小于此长度的直线将被忽略。

默认值为

None。

maxLineGap可选参数表示在检测到的直线上被认为是同一部分的两个线段之间的最大距离。

如果两个线段之间的间隔小于此值则它们将被视为同一条直线。

默认值为