Python和OpenCV-改进我的车道检测算法

Question

我需要从视频中检测出车道。这是我的方法。

1. 通过切片图像确定感兴趣区域（ROI）（聚焦中间部分）
2. 使投资回报率灰度化
3. 使灰度ROI与cv2.equalizeHist相等
4. 将高斯模糊应用于（3）
5. 使用cv2.adaptiveThreshold的阈值（4）
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是正的（这意味着直线向右倾斜（自下而上），它将只在它处于某个角度时（我设置了角度的范围）才绘制直线）
2. 如果rho为负数（直线向左倾斜（自下而上），则只有在一定角度时才会绘制直线）

这是我画线的代码：

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))

如果我不做我刚才做的关于cv2.HoughLines函数的事情，我相信会画出很多不需要的线。

经过调整参数等，我得到了一个相当好的结果，但这只是一个图片。我不认为这对一个不断变化的视频有什么好处。 最困扰我的是我的算法绘制所需的线（即道路车道）。有更好的办法吗？至少比我的好。

这是我的结果：

原始图像：

ROI的均衡直方图、阈值和骨架图像：

最终结果：

Answer 1

我建议在应用中考虑使用概率Hough线变换。在OpenCV的Python API中，它是在函数cv2.HoughLinesP中实现的。这实际上会给你线段，所以你不需要计算端点。它也比标准的Hough线变换快得多。

不过，也有一些折衷方案。例如，可能需要添加逻辑以将线段缝合在一起。另一方面，我发现这并不是什么坏事。我的一个玩具项目（一个自动驾驶的微型公共汽车）使用了这种方法，并且有单独的线段来缝合在一起，这样可以更容易地处理弯曲的道路，其中标准的hough线变换根本不会给你任何线。

希望能有所帮助。

编辑：关于线段“缝合”的细节，这取决于你想要完成什么。如果只想显示道路，并且对线段之间存在一些间隙感到满意，则可能不需要进行任何缝合-只需显示所有线段。在我的应用程序中，我需要确定车道的曲率，所以我做了一些缝合，以建立每条道路车道的模型，其中包括车道的平均坡度，该模型用作负责控制伺服机构相应移动车轮的模块的输入。

我所说的“缝合”并不意味着什么特别复杂的东西，但我不知道有什么特定的OpenCV函数可以完成它。我只需要一种关联线段的方法，这些线段是同一条车道的一部分。所以我处理了从图像顶部向下工作的HoughLinesP返回的线段，并使用每个线段的斜率和y截距来确定线段的相交位置。