快捷導(dǎo)航

使用OpenCV對(duì)車道進(jìn)行實(shí)時(shí)檢測(cè)的實(shí)現(xiàn)示例代碼

更新時(shí)間：2020年06月19日 11:11:04 作者：cofisher

這篇文章主要介紹了使用OpenCV對(duì)車道進(jìn)行實(shí)時(shí)檢測(cè)的實(shí)現(xiàn)示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

項(xiàng)目介紹

下圖中的兩條線即為車道：

我們的任務(wù)就是通過(guò) OpenCV 在一段視頻（或攝像頭）中實(shí)時(shí)檢測(cè)出車道并將其標(biāo)記出來(lái)。其效果如下圖所示：

這里使用的代碼來(lái)源于磐懟懟大神，此文章旨在對(duì)其代碼進(jìn)行解釋。

實(shí)現(xiàn)步驟

1、將視頻的所有幀讀取為圖片；

2、創(chuàng)建掩碼并應(yīng)用到這些圖片上；

3、圖像閾值化；

4、用霍夫線變換檢測(cè)車道；

5、將車道畫到每張圖片上；

6、將所有圖片合并為視頻。

代碼實(shí)現(xiàn)

1、導(dǎo)入需要的庫(kù)

import os
import re
import cv2
import numpy as np
from tqdm import notebook
import matplotlib.pyplot as plt

其中 tqdm.notebook 是用來(lái)顯示進(jìn)度條的。

2、將圖片（視頻的每一幀）加載進(jìn)來(lái)

這里我們已經(jīng)將視頻的每一幀讀取為圖片了，并將它們都放進(jìn) frames 文件夾。

# 獲取幀的文件名
col_frames = os.listdir('frames/') # 讀取 frames 文件夾下的所有圖片
col_frames.sort(key=lambda f: int(re.sub('\D', '', f))) # 按名稱對(duì)圖片進(jìn)行排序

# 加載幀
col_images=[]
for i in notebook.tqdm(col_frames):
  img = cv2.imread('frames/'+i)
  col_images.append(img) # 將所有圖片添加進(jìn) col_images 列表

3、選擇一張圖片進(jìn)行處理

3.1 選定一張圖片

# 指定一個(gè)索引
idx = 457

# plot frame
plt.figure(figsize=(10,10))
plt.imshow(col_images[idx][:,:,0], cmap= "gray")
plt.show()

3.2 創(chuàng)建掩碼

# 創(chuàng)建0矩陣
stencil = np.zeros_like(col_images[idx][:,:,0])

# 指定多邊形的坐標(biāo)
polygon = np.array([[50,270], [220,160], [360,160], [480,270]])

# 用1填充多邊形
cv2.fillConvexPoly(stencil, polygon, 1)

# 畫出多邊形
plt.figure(figsize=(10,10))
plt.imshow(stencil, cmap= "gray")
plt.show()

3.3 將掩碼應(yīng)用到圖片上

# 應(yīng)用該多邊形作為掩碼
img = cv2.bitwise_and(col_images[idx][:,:,0], col_images[idx][:,:,0], mask=stencil)

# 畫出掩碼后的圖片
plt.figure(figsize=(10,10))
plt.imshow(img, cmap= "gray")
plt.show()

這里的按位與操作 cv2.bitwise_and() 可以參考OpenCV 之按位運(yùn)算舉例解析一文。

3.4 圖像閾值化

# 應(yīng)用圖像閾值化
ret, thresh = cv2.threshold(img, 130, 145, cv2.THRESH_BINARY)

# 畫出圖像
plt.figure(figsize=(10,10))
plt.imshow(thresh, cmap= "gray")
plt.show()

其中 cv2.threshold 函數(shù)的用法可以參考Opencv之圖像閾值一文。

3.5 霍夫線變換檢測(cè)車道

lines = cv2.HoughLinesP(thresh, 1.0, np.pi/180, 30, maxLineGap=200)

# 創(chuàng)建原始幀的副本
dmy = col_images[idx][:,:,0].copy()

# 霍夫線
for line in lines:
  x1, y1, x2, y2 = line[0] # 提取出霍夫線的坐標(biāo)
  cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3) # 將霍夫線畫在幀上

# 畫出幀
plt.figure(figsize=(10,10))
plt.imshow(dmy, cmap= "gray")
plt.show()

cv2.HoughLinesP() 函數(shù)介紹：

lines = HoughLinesP(image, rho, theta, threshold, minLineLength=None, maxLineGap=None)

輸入：

image：必須是二值圖像；
rho: 線段以像素為單位的距離精度，double類型的，推薦用1.0
theta：線段以弧度為單位的角度精度，推薦用numpy.pi/180
threshod: 累加平面的閾值參數(shù)，int類型，超過(guò)設(shè)定閾值才被檢測(cè)出線段，值越大，基本上意味著檢出的線段越長(zhǎng)，檢出的線段個(gè)數(shù)越少。
minLineLength：線段以像素為單位的最小長(zhǎng)度。
maxLineGap：同一方向上兩條線段判定為一條線段的最大允許間隔，超過(guò)了設(shè)定值，則把兩條線段當(dāng)成一條線段。

輸出：

lines：一個(gè)三維矩陣，其形狀符合 (m, 1, n)，其中 m 表示直線個(gè)數(shù)，n 表示每條直線的兩端坐標(biāo)。

4、對(duì)每張圖片進(jìn)行上一步驟的處理后寫入視頻

4.1 定義視頻格式

# 輸出視頻路徑
pathOut = 'roads_v2.mp4'

# 視頻每秒的幀數(shù)
fps = 30.0

# 視頻中每一幀的尺寸
height, width = img.shape
size = (width,height)

# 寫入視頻
out = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)

4.2 處理所有圖片并寫入視頻文件

for img in notebook.tqdm(col_images):

  # 應(yīng)用幀掩碼
  masked = cv2.bitwise_and(img[:,:,0], img[:,:,0], mask=stencil)

  # 應(yīng)用圖像閾值化
  ret, thresh = cv2.threshold(masked, 130, 145, cv2.THRESH_BINARY)

  # 應(yīng)用霍夫線變換
  lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)
  dmy = img.copy()

  #畫出檢測(cè)到的線
  try:
    for line in lines:
      x1, y1, x2, y2 = line[0]
      cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)

    out.write(dmy)

  except TypeError: 
    out.write(img)

out.release()

完整代碼

import os
import re
import cv2
import numpy as np
from tqdm import notebook
import matplotlib.pyplot as plt

col_frames = os.listdir('frames/')
col_frames.sort(key=lambda f: int(re.sub('\D', '', f)))

col_images=[]
for i in notebook.tqdm(col_frames):
  img = cv2.imread('frames/'+i)
  col_images.append(img)

stencil = np.zeros_like(col_images[0][:,:,0])
polygon = np.array([[50,270], [220,160], [360,160], [480,270]])
cv2.fillConvexPoly(stencil, polygon, 1)

pathOut = 'roads_v2.mp4'

fps = 30.0

height, width = img.shape
size = (width,height)

out = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)

for img in notebook.tqdm(col_images):

  masked = cv2.bitwise_and(img[:,:,0], img[:,:,0], mask=stencil)

  ret, thresh = cv2.threshold(masked, 130, 145, cv2.THRESH_BINARY)

  lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)
  dmy = img.copy()

  try:
    for line in lines:
      x1, y1, x2, y2 = line[0]
      cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)

    out.write(dmy)

  except TypeError: 
    out.write(img)

out.release()

到此這篇關(guān)于使用OpenCV對(duì)車道進(jìn)行實(shí)時(shí)檢測(cè)的實(shí)現(xiàn)示例代碼的文章就介紹到這了,更多相關(guān)OpenCV 車道實(shí)時(shí)檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: