Python 和 OpenCV - 改进我的车道检测算法

Question

我需要从视频中检测道路车道。这是我的做法。

1. 通过对图像进行切片(聚焦中间部分)来确定感兴趣区域 (ROI)
2. 对投资返回率进行灰度化
3. 使用 cv2.equalizeHist 均衡灰度 ROI
4. 对 (3) 应用高斯模糊
5. 阈值 (4) 使用 cv2.adaptiveThreshold
6. 使用 skimage.morphology.skeletonize 进行骨架化 (5)
7. 在 (6) 上应用 cv2.HoughLines

对于 cv2.HoughLines，我设置为:

1. 如果rho是正数(这意味着直线向右倾斜(自下而上)，只有在一定角度时才会画线(我设置了范围角度))
2. 如果rho为负(直线向左倾斜(自下而上)，只有在一定角度时才会画线)

这是我绘制线条的代码:

lines = cv2.HoughLines(image_bin, 1, np.pi/180, 50)
    try:
        range = lines.shape[0]
    except AttributeError:
        range = 0

    for i in xrange(range):
        for rho, theta in lines[i]:
            if rho > 0 and (np.pi*1/10 < theta < np.pi*4/10):
                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(roi, (x1, y1), (x2, y2), (0, 255, 0))

            if rho < 0 and (np.pi*7/10 < theta < np.pi*9/10):
                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(roi, (x1, y1), (x2, y2), (0, 255, 0))

如果我没有对 cv2.HoughLines 函数执行上述操作，我相信会绘制出很多不需要的线条。

在调整参数等之后，我得到了一个很好的结果，但这只是一张图片。我认为对于不断变化的视频来说不会那么好。 最让我困扰的是我绘制所需线条(即车道)的算法。有没有更好的办法？至少比我的好。

这是我的结果:

原图:

ROI 的均衡直方图、阈值化和骨架化图像:

最终结果:

Answer 1

我建议考虑为您的应用程序使用概率霍夫线变换。在 OpenCV 的 Python API 中，它在函数 cv2.HoughLinesP 中实现。这实际上会给你线段，所以你不需要计算端点。它也比标准霍夫线变换快得多。

虽然有一些权衡。例如，您可能需要添加逻辑以将线段缝合在一起。另一方面，我发现这并不是一件坏事。我的一个玩具项目(自动驾驶微型巴士)使用了这种方法，并且将单独的线段缝合在一起使得处理弯曲的道路变得更加容易，在这些道路上，标准霍夫线变换根本不会给你任何线.

希望对您有所帮助。

编辑:关于线段“拼接”的细节，这取决于您要完成的任务。如果您只想显示道路，并且您对线段之间存在一些间隙感到满意，您可能不需要进行任何拼接 - 只需显示所有线段即可。在我的应用程序中，我需要确定车道的曲率，所以我做了一些拼接来建立每条车道的模型，其中包括车道的平均坡度——用作负责控制车道的模块的输入伺服相应地移动轮子。

我所说的“缝合”并不是什么特别复杂的意思，但我不知道有任何特定的 OpenCV 函数可以完成它。我只需要一种关联线段的方式，这些线段是同一车道的一部分。因此，我从图像顶部向下处理从 HoughLinesP 返回的线段，并使用每个线段的斜率和 y 轴截距来确定线段相交的位置。