Question

我正在尝试进行车道检测，代码如下，我在Canny边缘检测的o / p上应用了HoughLinesP。因此，想法是仅显示那些（通常在视频中出现的行+更可能是一条车道，即通过拾取角度）。我不想使用任何机器学习算法。所以请帮忙。

以下是详细信息：

代码：

import time
import numpy as np
import matplotlib.pyplot as plt

vid = cv2.VideoCapture('4.mp4')

while True:

    #cv2.namedWindow('frame',cv2.WINDOW_NORMAL)

    ret, img_color = vid.read()

    if not ret:
        vid = cv2.VideoCapture('5.mp4')
        continue

    num_rows, num_cols = img_color.shape[:2]
    rotation_matrix = cv2.getRotationMatrix2D((num_cols/2, num_rows/2), 270, 0.56)  #3
    img_rotated = cv2.warpAffine(img_color, rotation_matrix, (num_cols, num_rows))


    height, width = img_rotated.shape[:2]
    img_resize = cv2.resize(img_rotated,(int(0.8*width), int(0.8*height)), interpolation = cv2.INTER_CUBIC) #2

    img_clone = img_resize[10:842,530:1000].copy()
    img_roi = img_resize[10+250:842-200,530:1000]


    img_gray = cv2.cvtColor(img_roi,cv2.COLOR_BGR2GRAY) #1

    kernel = [  [0,-1,0],   [-1,5,-1],  [0,-1,0]    ]
    kernel = np.array(kernel)
    img_sharp = cv2.filter2D(img_gray,-1,kernel)

    blur = cv2.GaussianBlur(img_sharp,(5,5),0)

    img_canny = cv2.Canny(blur,130,170, apertureSize = 3)   #4

    lines = cv2.HoughLinesP(img_canny, 1, np.pi/180, 60, maxLineGap = 240)
    if lines is not None:
        print(len(lines))
        for line in lines:
            x1,y1,x2,y2 = line[0]
            cv2.line(img_clone, (x1,y1+250), (x2,y2+250), (0,255,0), 2)
            #cv2.line(img_clone, (x1,y1), (x2,y2), (255,255,0), 3)


    cv2.imshow('frame',img_clone)
    cv2.imshow('frame2', img_canny)

    k = cv2.waitKey(35) & 0xFF
    if k==27 :
        break

vid.release()   
cv2.destroyAllWindows()

Here's link to videos I'm using

在4.mp4中，您可以看到运行此代码后，几秒钟后一个人进来了，因为行数太多，因为canny在该区域检测到了许多边缘，其次，我固定了图像区域我想保持动态，其想法是根据更多可能的车道设置图像区域。也出现了许多行，我想将其缩短为更可能的行。感谢您的阅读。

Answer 1

您将不会获得更好的结果。这只是您问题的本质。现在，您必须创建车道的数学模型，并使用粗线修正该模型。

例如您可以使用卡尔曼滤镜在图像的某些波段中跟踪车道。然后，当您观察到围绕观察带的期望角度内的线段时，可以使用此过滤器的预测步骤。

消除车道检测噪声（获取过多不必要的行）

1 个答案: