OpenCV与图像处理实战（一）：车道线检测

蔚落 2022-12-02 00:52 140阅读 0赞

> 大家好，我是[【AI 菌】][AI]。本专栏以实战为主，分享一些用opencv进行图像处理的实用案例。本专栏会持续更新，欢迎关注和交流！

### 文章目录 ###

*   *  一、效果展示
     *  二、基本思路
     *  三、实战讲解
     *   *  3.1 主函数
         *  3.2 直线拟合
         *  3.3 车道线检测

还没有搭建环境的小伙伴，戳戳这篇：[VS2015 + OpenCV3.1 环境配置与项目搭建（C++版）][VS2015 _ OpenCV3.1 _C]

--------------------

## 一、效果展示 ##

对车辆所在车道的车道线检测效果：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center]

## 二、基本思路 ##

如下图所示，实现车道线的 **基本流程** 如下：

1.  输入原图或视频。
2.  使用Canny(）进行边缘检测。
3.  提取感兴趣区域。
4.  提取轮廓，同时过滤掉不是车道线的轮廓。
5.  对轮廓内点进行直线拟合。
6.  在原图上画出检测到的车道线。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center 1]

## 三、实战讲解 ##

### 3.1 主函数 ###

在主函数中，我们需要读取视频，对每一帧都进行车道线检测处理。

int main()
    { 
    	VideoCapture cap("road.mp4");
    
    	int height = cap.get(CAP_PROP_FRAME_HEIGHT); //480
    	int width = cap.get(CAP_PROP_FRAME_WIDTH);  //856
    	int count = cap.get(CAP_PROP_FRAME_COUNT);
    	int fps = cap.get(CAP_PROP_FPS);
    	//cout << height << " " << width << " " << count << " " << fps;
    	
    	while (1)
    	{ 
    		Mat frame;
    		cap >> frame;
    		//imshow("原图", frame);
    		detect_line(frame);
    		waitKey(30);
    	}
    	return 0;
    }

### 3.2 直线拟合 ###

当我们得到了每一个车道线轮廓时，需要对轮廓内的点进行直线拟合。这样得到的车道线鲁棒性会更好。（前提是，车道线本身是直的）

//直线拟合
    Mat fitLines(Mat &img)
    { 
    	Mat img_fitLines = Mat::zeros(img.size(), CV_8UC3);
    
    	int height = img.rows;
    	int width = img.cols;
    
    	int h_center = height / 2;
    	int w_center = width / 2;
    
    	vector<Point> leftLine;
    	vector<Point> rightLine;
    
    	//左车道线
    	for (size_t i = 100; i < w_center ; i++)       //100-428(左)
    	{ 
    		for (size_t j = h_center; j < height; j++)  //240-480(下)
    		{ 
    			if (img.at<uchar>(j, i) == 255) //白色
    				leftLine.push_back(Point(i, j));
    		}
    	}
    
    	if (leftLine.size() > 2)
    	{ 
    		Vec4f left_para; //直线拟合输出参数
    		Point point_l; //直线上的一点
    
    		fitLine(leftLine, left_para, DIST_L1, 0, 0.01, 0.01);  //直线拟合
    		double kl = left_para[1] / left_para[0];  //直线斜率
    		
    		point_l.x = left_para[2];
    		point_l.y = left_para[3];
    
    		int y1 = height / 2 + 60;
    		int x1 = (y1 - point_l.y) / kl + point_l.x;
    
    		int y2 = height - 40;
    		int x2 = (y2 - point_l.y) / kl + point_l.x;
    
    		left_start = Point(x1, y1);
    		left_end = Point(x2, y2);
    
    		line(img_fitLines, left_start, left_end, Scalar(0, 0, 255), 8, 8, 0);
    
    		left_start_last = left_start;
    		left_end_last = left_end;
    		x2_last = x2;
    	}
    	else
    	{ 
    		line(img_fitLines, left_start_last, left_end_last, Scalar(0, 0, 255), 8, 8, 0);
    	}
    
    
    	//右车道线
    	for (size_t i = w_center; i < width; i++)   //428-856(右)
    	{ 
    		for (size_t j = h_center; j < height; j++)  //240-480（下）
    		{ 
    			if (img.at<uchar>(j, i) == 255)
    				rightLine.push_back(Point(i, j));
    		}
    	}
    
    	if (rightLine.size() > 2)
    	{ 
    		Point right_start = rightLine[0];
    		Point right_end = rightLine[rightLine.size() - 1];
    
    		line(img_fitLines, right_start, right_end, Scalar(0, 0, 255), 8, 8, 0);
    	}
    
    	return img_fitLines;
    }

### 3.3 车道线检测 ###

这个函数是主要功能函数，主要的执行步骤如下：

*  将原图转为灰度图，然后采用Canny()进行边缘检测。
 *  提取感兴趣区域，过滤掉天空和旁景。
 *  寻找处理后图像中的轮廓，过滤掉不是车道线的轮廓。
 *  调用直线拟合函数fitLines()，对轮廓中的点进行直线拟合，最后在原图上显示车道线。

void detect_line(Mat &frame)
    { 
    	Mat gray, binary;
    	cvtColor(frame, gray, COLOR_BGR2GRAY); //转灰度图
    	Canny(gray, binary, 150, 300); //边缘检测
    	//imshow("边缘检测", binary);
    
    /********************过滤掉天空与旁景色********************/
    	for (size_t i = 0; i < (gray.rows / 2 + 40); i++)
    	{ 
    		for (size_t j = 0; j < gray.cols; j++)
    		{ 
    			binary.at<uchar>(i, j) = 0;
    		}
    	}
    
    
    	for (size_t i = 450; i < gray.rows; i++)
    	{ 
    		for (size_t j = 0; j < gray.cols; j++)
    		{ 
    			binary.at<uchar>(i, j) = 0;
    		}
    	}
    	imshow("过滤后", binary);
    /*********************************************************/
    
        //寻找轮廓
    	vector<vector<Point>> contours;  //向量中是若干个点的集合，每一个集合代表一个轮廓，包含若干个点
    	findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //获取外轮廓，且仅保存轮廓的拐点信息
    
    	Mat img_output = Mat::zeros(gray.size(), gray.type());
    
    	
    /*****************************轮廓分析（筛选）*************************** 1.排除轮廓（长度小于5、面积不足10的，同时矩形的高不能太大） 2.排除最小外切矩形角度太小的或者太大的（20，84） 3.排除椭圆拟合角度过小的 ***********************************************************************/
    	for (size_t i = 0; i < contours.size(); i++)
    	{ 
    	    //计算每个轮廓的面积和周长
    		double length = arcLength(contours[i],true);
    		double area = contourArea(contours[i]);
    		//cout << "轮廓" << i << "的周长是：" << length << " " << "面积是" << area << endl;
    		
    		//得到包覆此轮廓的最小正矩形
    		Rect rect = boundingRect(contours[i]);
    
    		//最小包围矩形（斜）
    		RotatedRect mAR = minAreaRect(contours[i]);
    		double angle = abs(mAR.angle);  //倾斜角度
    
    		if (length < 5.0 || area < 10.0)
    			continue;
    		//if (rect.y > gray.rows - 50)
    			//continue;
    		if (angle > 84.0 || angle < 20.0)  //去掉角度大的边线
    			continue;
    
    		drawContours(img_output, contours, i, Scalar(255), 2, 8);
    		imshow("排除部分轮廓后", img_output);
    	}
    
    	Mat dst;
    	Mat roadLines = fitLines(img_output);
    	addWeighted(frame, 0.9, roadLines, 0.5, 0, dst);
    	imshow("最终车道线显示", dst);
    }

**温馨提示：** 该方法只适合对直道检测，同时在检测过程中：要根据自己视频或图像的大小，选择合适的感兴趣区域，同时调整相关参数，方能获得不错的检测效果！

--------------------

如果您需要完整代码和测试视频，可关注我的公众号，回复：车道线。更多精彩等着你哦！

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center 2]

[AI]: https://blog.csdn.net/wjinjie
[VS2015 _ OpenCV3.1 _C]: https://blog.csdn.net/wjinjie/article/details/108247835
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/fdfe7f7b477c416fbdcb4f8022dda531.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/76ddb762f48f475b928176817e694ad8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaW5qaWU_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/ce9422a32e8d4df2bd71377d9a6333ea.png