1 前言

🔥 優(yōu)質(zhì)競(jìng)賽項(xiàng)目系列，今天要分享的是

🚩 機(jī)器視覺(jué) 深度學(xué)習(xí) 車道線檢測(cè) - opencv

該項(xiàng)目較為新穎，適合作為競(jìng)賽課題方向，學(xué)長(zhǎng)非常推薦！

🥇學(xué)長(zhǎng)這里給一個(gè)題目綜合評(píng)分(每項(xiàng)滿分5分)

• 難度系數(shù)：3分
• 工作量：3分
• 創(chuàng)新點(diǎn)：4分

🧿 更多資料, 項(xiàng)目分享：

https://gitee.com/dancheng-senior/postgraduate

2 先上成果

3 車道線

理解車道檢測(cè)的概念

那么什么是車道檢測(cè)？以下是百度百科對(duì)車道的定義：

車道，又稱行車線、車行道，是用在供車輛行經(jīng)的道路。在一般公路和高速公路都有設(shè)置，高速公路對(duì)車道使用帶有法律上的規(guī)則，例如行車道和超車道。

對(duì)其進(jìn)行定義是很重要的，因?yàn)樗刮覀兡軌蚶^續(xù)進(jìn)行車道檢測(cè)概念。我們?cè)诮⒁粋€(gè)系統(tǒng)時(shí)不能有任何含糊不清的地方。

正如我前面提到的，車道檢測(cè)是自動(dòng)駕駛汽車和自動(dòng)駕駛汽車的關(guān)鍵組成部分。這是駕駛場(chǎng)景理解的重要研究課題之一。一旦獲得車道位置，車輛就知道去哪里，并避免撞上其他車道或離開(kāi)道路。這樣可以防止駕駛員/車輛系統(tǒng)偏離車道。

以下是一些隨機(jī)道路圖像（第一行）及其檢測(cè)到的車道（第二行）：

4 問(wèn)題抽象(建立模型)

我們希望執(zhí)行的任務(wù)是實(shí)時(shí)檢測(cè)視頻中的車道。我們可以通過(guò)多種方式進(jìn)行車道檢測(cè)。我們可以使用基于學(xué)習(xí)的方法，例如在帶注釋的視頻數(shù)據(jù)集上訓(xùn)練深度學(xué)習(xí)模型，或者使用預(yù)訓(xùn)練好的模型。

然而，也有更簡(jiǎn)單的方法來(lái)執(zhí)行車道檢測(cè)。在這里，學(xué)長(zhǎng)將向你展示如何在不使用任何深入學(xué)習(xí)模型的情況下完成此任務(wù)。

下面是將要處理的視頻的一個(gè)幀：

正如我們?cè)谶@張圖片中看到的，我們有四條車道被白色的車道標(biāo)線隔開(kāi)。所以，要檢測(cè)車道，我們必須檢測(cè)車道兩邊的白色標(biāo)記。這就引出了一個(gè)關(guān)鍵問(wèn)題——我們?nèi)绾螜z測(cè)車道標(biāo)線？

除了車道標(biāo)線之外，場(chǎng)景中還有許多其他對(duì)象。道路上有車輛、路側(cè)護(hù)欄、路燈等，在視頻中，每一幀都會(huì)有場(chǎng)景變化。這很好地反映了真實(shí)的駕駛情況。

因此，在解決車道檢測(cè)問(wèn)題之前，我們必須找到一種方法來(lái)忽略駕駛場(chǎng)景中不需要的對(duì)象。

我們現(xiàn)在能做的一件事就是縮小感興趣的領(lǐng)域。與其使用整個(gè)幀，不如只使用幀的一部分。在下面的圖像中，除了車道的標(biāo)記之外，其他所有內(nèi)容都隱藏了。當(dāng)車輛移動(dòng)時(shí)，車道標(biāo)線將或多或少地落在該區(qū)域內(nèi)：

5 幀掩碼(Frame Mask)

幀掩碼只是一個(gè)NumPy數(shù)組。

當(dāng)我們想對(duì)圖像應(yīng)用掩碼時(shí)，只需將圖像中所需區(qū)域的像素值更改為0、255或任何其他數(shù)字。

下面給出了一個(gè)圖像掩蔽的例子。圖像中某個(gè)區(qū)域的像素值已設(shè)置為0：

這是一種非常簡(jiǎn)單但有效的從圖像中去除不需要的區(qū)域和對(duì)象的方法。

6 車道檢測(cè)的圖像預(yù)處理

我們將首先對(duì)輸入視頻中的所有幀應(yīng)用掩碼。

然后，我們將應(yīng)用圖像閾值化和霍夫線變換來(lái)檢測(cè)車道標(biāo)線。

7 圖像閾值化

在這種方法中，灰度圖像的像素值根據(jù)閾值被指定為表示黑白顏色的兩個(gè)值之一。因此，如果一個(gè)像素的值大于一個(gè)閾值，它被賦予一個(gè)值，否則它被賦予另一個(gè)值。

如上所示，對(duì)蒙版圖像應(yīng)用閾值后，我們只得到輸出圖像中的車道標(biāo)線。現(xiàn)在我們可以通過(guò)霍夫線變換很容易地檢測(cè)出這些標(biāo)記。

8 霍夫線變換

霍夫線變換是一種檢測(cè)任何可以用數(shù)學(xué)方法表示的形狀的方法。

例如，它可以檢測(cè)矩形、圓、三角形或直線等形狀。我們感興趣的是檢測(cè)可以表示為直線的車道標(biāo)線。

在執(zhí)行圖像閾值化后對(duì)圖像應(yīng)用霍夫線變換將提供以下輸出：

9 實(shí)現(xiàn)車道檢測(cè)

是時(shí)候用Python實(shí)現(xiàn)這個(gè)車道檢測(cè)項(xiàng)目了！我推薦使用Google Colab，因?yàn)闃?gòu)建車道檢測(cè)系統(tǒng)需要計(jì)算能力。

首先導(dǎo)入所需的庫(kù)：

?

import os
import re
import cv2
import numpy as np
from tqdm import tqdm_notebook
import matplotlib.pyplot as plt
# 獲取幀的文件名
col_frames = os.listdir('frames/')
col_frames.sort(key=lambda f: int(re.sub('\D', '', f)))# 加載幀
col_images=[]
for i in tqdm_notebook(col_frames):img = cv2.imread('frames/'+i)col_images.append(img)
# 指定一個(gè)索引
idx = 457# plot frame
plt.figure(figsize=(10,10))
plt.imshow(col_images[idx][:,:,0], cmap= "gray")
plt.show()

9.1 幀掩碼創(chuàng)建

我們感興趣的區(qū)域是一個(gè)多邊形。我們想掩蓋除了這個(gè)區(qū)域以外的一切。因此，我們首先必須指定多邊形的坐標(biāo)，然后使用它來(lái)準(zhǔn)備幀掩碼：

9.2 圖像預(yù)處理

我們必須對(duì)視頻幀執(zhí)行一些圖像預(yù)處理操作來(lái)檢測(cè)所需的車道。預(yù)處理操作包括：

• 圖像閾值化

• 霍夫線變換

9.2.1 圖像閾值化

9.2.2 霍夫線變換

?

lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)# 創(chuàng)建原始幀的副本
dmy = col_images[idx][:,:,0].copy()# 霍夫線
for line in lines:x1, y1, x2, y2 = line[0]cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)# 畫(huà)出幀
plt.figure(figsize=(10,10))
plt.imshow(dmy, cmap= "gray")
plt.show()

最后

🧿 更多資料, 項(xiàng)目分享：

https://gitee.com/dancheng-senior/postgraduate