Question

我正在尝试开发一种可以在路上检测车道的程序。我已经尝试了霍夫线变换和概率霍夫线变换。然而，这些都没有得到我想要的结果。

原始图片：

霍夫线变换

概率Hough线变换

似乎对于霍夫线变换，我至少可以检测到整个车道，但不幸的是，该线只是无限地（直到它们离开图片），到达线相互交叉的点，不是一个好的图形车道检测标记。

我也尝试了Probalistic Hough Line变换，用于车道检测的绿线不会像另一个那样无限地变化，但它无法标记和检测整个车道。

我试图在这里复制结果（通过用Python编写）

http://www.transistor.io/revisiting-lane-detection-using-opencv.html

我该怎么做才能解决这个问题？

代码：

import numpy as np
import cv2
from matplotlib import pyplot as plt
from PIL import Image
import imutils

def invert_img(img):
    img = (255-img)
    return img

def canny(imgray):
    imgray = cv2.GaussianBlur(imgray, (5,5), 200)
    canny_low = 5
    canny_high = 150

    thresh = cv2.Canny(imgray,canny_low,canny_high)
    return thresh

def filtering(imgray):
    thresh = canny(imgray)

    minLineLength = 1
    maxLineGap = 1


    lines = cv2.HoughLines(thresh,1,np.pi/180,0)
    #lines = cv2.HoughLinesP(thresh,2,np.pi/180,100,minLineLength,maxLineGap)
    print lines.shape

    # Code for HoughLinesP
    '''
    for i in range(0,lines.shape[0]):
        for x1,y1,x2,y2 in lines[i]:
            cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
    '''

    # Code for HoughLines

    for i in range(0,5):
        for rho,theta in lines[i]:
            a = np.cos(theta)
            b = np.sin(theta)
            x0 = a*rho
            y0 = b*rho
            x1 = int(x0 + 1000*(-b))
            y1 = int(y0 + 1000*(a))
            x2 = int(x0 - 1000*(-b))
            y2 = int(y0 - 1000*(a))

            cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)


    return thresh


img = cv2.imread('images/road_0.bmp')


imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

img = imutils.resize(img, height = 500)
imgray = imutils.resize(imgray, height = 500)

thresh = filtering(imgray)

cv2.imshow('original', img)
cv2.imshow('result', thresh)
cv2.waitKey(0)

Answer 1

酷话题！首先，你为什么要添加高斯模糊？你的源文章根本没有提到。如果我删除它，我会立即得到额外的疯狂线条，我可以用canny_low和canny_high调低音量。关于我能找到的最好的是低= 100和高= 180。

其次，你把文章翻译成Python做得很好。但是，我认为你遗漏了一个至关重要的细节。作者写道：

// Canny algorithm
Mat contours;
Canny(image,contours,50,350);
Mat contoursInv;
threshold(contours,contoursInv,128,255,THRESH_BINARY_INV);

您实现了Canny功能（cv2.canny（）），但您没有调用阈值功能。根据{{3}}，此函数＆＃34;对每个数组元素应用固定级别阈值。＆＃34;我试验了你的代码并想出了以下内容。

#thresh = canny(imgray) # original
edges = canny(imgray) # docs refer to return value as "edges"

retval, dst = cv2.threshold(edges, 128, 255,cv2.THRESH_BINARY_INV)

返回两个值 - retval对我们来说现在并不是特别重要。 dst是阈值处理后的目标2D图像数据阵列。然后，您将更新您对cv2.HoughLines和cv2.HoughLinesP的调用，以替换＆＃34; thresh＆＃34;用＆＃34; dst。＆＃34;当我这样做时，我得到了更多有趣的行为，虽然我无法找到正确的调整值以使线条运行良好。

所以，希望这会给你一些指示。尝试我的提示，并阅读一两次文章，以仔细检查您是否有与作者相同的程序流程。这似乎是一个有趣的项目，玩得开心！

道路车道检测程序无法正确检测车道

1 个答案: