一、效果展示

對車輛所在車道的車道線檢測效果：

​

二、基本思路

如下圖所示，實現車道線的基本流程如下：

1. 輸入原圖或視訊。
2. 使用Canny(）進行邊緣檢測。
3. 提取感興趣區域。
4. 提取輪廓，同時過濾掉不是車道線的輪廓。
5. 對輪廓內點進行直線擬合。
6. 在原圖上畫出檢測到的車道線。

​

三、實戰講解

3.1 主函式

在主函式中，我們需要讀取視訊，對每一幀都進行車道線檢測處理。

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("原圖", frame);
		detect_line(frame);
		waitKey(30);
	}
	return 0;
}

3.2 直線擬合

當我們得到了每一個車道線輪廓時，需要對輪廓內的點進行直線擬合。這樣得到的車道線魯棒性會更好。（前提是，車道線本身是直的）

//直線擬合
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;

	//左車道線
	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; //直線擬合輸出引數
		Point point_l; //直線上的一點

		fitLine(leftLine, left_para, DIST_L1, 0, 0.01, 0.01);  //直線擬合
		double kl = left_para[1] / left_para[0];  //直線斜率
		
		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);
	}


	//右車道線
	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 車道線檢測

這個函式是主要功能函式，主要的執行步驟如下：

• 將原圖轉為灰度圖，然後採用Canny()進行邊緣檢測。
• 提取感興趣區域，過濾掉天空和旁景。
• 尋找處理後圖像中的輪廓，過濾掉不是車道線的輪廓。
• 呼叫直線擬合函式fitLines()，對輪廓中的點進行直線擬合，最後在原圖上顯示車道線。

void detect_line(Mat &frame)
{
	Mat gray, binary;
	cvtColor(frame, gray, COLOR_BGR2GRAY); //轉灰度圖
	Canny(gray, binary, 150, 300); //邊緣檢測
	//imshow("邊緣檢測", binary);

/********************過濾掉天空與旁景色********************/
	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("過濾後", binary);
/*********************************************************/

    //尋找輪廓
	vector<vector<Point>> contours;  //向量中是若干個點的集合，每一個集合代表一個輪廓，包含若干個點
	findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //獲取外輪廓，且僅儲存輪廓的拐點資訊

	Mat img_output = Mat::zeros(gray.size(), gray.type());

	
/*****************************輪廓分析（篩選）***************************
    1.排除輪廓（長度小於5、面積不足10的，同時矩形的高不能太大）
    2.排除最小外切矩形角度太小的或者太大的（20，84）
    3.排除橢圓擬合角度過小的
***********************************************************************/
	for (size_t i = 0; i < contours.size(); i++)
	{
	    //計算每個輪廓的面積和周長
		double length = arcLength(contours[i],true);
		double area = contourArea(contours[i]);
		//cout << "輪廓" << i << "的周長是：" << length << " " << "面積是" << area << endl;
		
		//得到包覆此輪廓的最小正矩形
		Rect rect = boundingRect(contours[i]);

		//最小包圍矩形（斜）
		RotatedRect mAR = minAreaRect(contours[i]);
		double angle = abs(mAR.angle);  //傾斜角度

		if (length < 5.0 || area < 10.0)
			continue;
		//if (rect.y > gray.rows - 50)
			//continue;
		if (angle > 84.0 || angle < 20.0)  //去掉角度大的邊線
			continue;

		drawContours(img_output, contours, i, Scalar(255), 2, 8);
		imshow("排除部分輪廓後", img_output);
	}

	Mat dst;
	Mat roadLines = fitLines(img_output);
	addWeighted(frame, 0.9, roadLines, 0.5, 0, dst);
	imshow("最終車道線顯示", dst);
}

溫馨提示：該方法只適合對直道檢測，同時在檢測過程中：要根據自己視訊或影象的大小，選擇合適的感興趣區域，同時調整相關引數，方能獲得不錯的檢測效果！

原始碼或者視訊教程加群：1136192749

原作者：

AI 菌

如有侵權聯絡刪除