C++?OpenCV實(shí)戰(zhàn)之車道檢測(cè)
前言
本文將使用OpenCV C++ 進(jìn)行車道檢測(cè)。
一、獲取車道ROI區(qū)域
原圖如圖所示。
使用下面代碼段獲取ROI區(qū)域。該ROI區(qū)域點(diǎn)集根據(jù)圖像特征自己設(shè)定。通過fillPoly填充ROI區(qū)域,最終通過copyTo在原圖中扣出ROI。
void GetROI(Mat src, Mat &image) { ?? ?Mat mask = Mat::zeros(src.size(), src.type()); ?? ?int width = src.cols; ?? ?int height = src.rows; ?? ?//獲取車道ROI區(qū)域,只對(duì)該部分進(jìn)行處理 ?? ?vector<Point>pts; ?? ?Point ptA((width / 8) * 2, (height / 20) * 19); ?? ?Point ptB((width / 8) * 2, (height / 8) * 7); ?? ?Point ptC((width / 10) * 4, (height / 5) * 3); ?? ?Point ptD((width / 10) * 5, (height / 5) * 3); ?? ?Point ptE((width / 8) * 7, (height / 8) * 7); ?? ?Point ptF((width / 8) * 7, (height / 20) * 19); ?? ?pts = { ptA ,ptB,ptC,ptD,ptE, ptF }; ?? ?fillPoly(mask, pts, Scalar::all(255)); ?? ?src.copyTo(image, mask); }
mask圖像如圖所示。有了mask圖像,我們就可以更好的進(jìn)行后續(xù)處理,以檢測(cè)車道線。
二、車道檢測(cè)
1.灰度、閾值
Mat gray; cvtColor(image, gray, COLOR_BGR2GRAY); Mat thresh; threshold(gray, thresh, 180, 255, THRESH_BINARY); imshow("thresh", thresh);
經(jīng)過灰度、閾值后的圖像如下圖所示。
2.獲取非零像素點(diǎn)
我們將圖像分為兩半。左半邊獲取左側(cè)車道輪廓點(diǎn);右半邊獲取右側(cè)車道輪廓點(diǎn)。
vector<Point>left_line; vector<Point>right_line; for (int i = 0; i < thresh.cols / 2; i++) { for (int j = 0; j < thresh.rows; j++) { if (thresh.at<uchar>(j, i) == 255) { left_line.push_back(Point(i, j)); } } } for (int i = thresh.cols / 2; i < thresh.cols; i++) { for (int j = 0; j < thresh.rows; j++) { if (thresh.at<uchar>(j, i) == 255) { right_line.push_back(Point(i, j)); } } }
3.繪制車道線
我們將從left_line、right_line容器中各拿出首尾兩個(gè)點(diǎn)作為車道線的起始點(diǎn)。
注意:這里要加一個(gè)if判斷語句,否則當(dāng)容器為空時(shí)(未檢測(cè)到車道線),容器會(huì)溢出。
if (left_line.size() > 0 && right_line.size() > 0) { Point B_L = (left_line[0]); Point T_L = (left_line[left_line.size() - 1]); Point T_R = (right_line[0]); Point B_R = (right_line[right_line.size() - 1]); circle(src, B_L, 10, Scalar(0, 0, 255), -1); circle(src, T_L, 10, Scalar(0, 255, 0), -1); circle(src, T_R, 10, Scalar(255, 0, 0), -1); circle(src, B_R, 10, Scalar(0, 255, 255), -1); line(src, Point(B_L), Point(T_L), Scalar(0, 255, 0), 10); line(src, Point(T_R), Point(B_R), Scalar(0, 255, 0), 10); vector<Point>pts; pts = { B_L ,T_L ,T_R ,B_R }; fillPoly(src, pts, Scalar(133, 230, 238)); }
最終效果如圖所示。
總結(jié)
本文使用OpenCV C++進(jìn)行車道檢測(cè),關(guān)鍵步驟有以下幾點(diǎn)。
1、要根據(jù)車道所在位置扣出一個(gè)ROI區(qū)域,這樣方便我們后續(xù)的閾值操作。
2、根據(jù)閾值圖像獲取左右車道的輪廓點(diǎn)。這里的閾值處理很重要,直接會(huì)影響最后的效果。本文做實(shí)時(shí)視頻處理時(shí),也會(huì)因?yàn)殚撝祮栴}導(dǎo)致最后的效果不是特別好。
3、根據(jù)獲取到的各車道輪廓點(diǎn)拿出首尾Point就可以繪制車道線以及車道區(qū)域了。
到此這篇關(guān)于C++ OpenCV實(shí)戰(zhàn)之車道檢測(cè)的文章就介紹到這了,更多相關(guān)C++ OpenCV車道檢測(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!
- C++?opencv圖像處理實(shí)現(xiàn)圖片邊緣檢測(cè)示例
- C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測(cè)的實(shí)現(xiàn)
- C++ OpenCV實(shí)戰(zhàn)之標(biāo)記點(diǎn)檢測(cè)的實(shí)現(xiàn)
- C++?OpenCV實(shí)現(xiàn)二維碼檢測(cè)功能
- C++ opencv霍夫圓檢測(cè)使用案例詳解
- opencv3/C++ 實(shí)現(xiàn)SURF特征檢測(cè)
- opencv3/C++實(shí)現(xiàn)霍夫圓/直線檢測(cè)
- C++利用opencv實(shí)現(xiàn)人臉檢測(cè)
- C++利用Opencv實(shí)現(xiàn)多個(gè)圓形檢測(cè)
相關(guān)文章
C語言實(shí)現(xiàn)通用數(shù)據(jù)結(jié)構(gòu)之通用映射(HashMap)
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)通用數(shù)據(jù)結(jié)構(gòu)之通用映射,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-11-11exec()函數(shù)在C++中的應(yīng)用及其用法
exec()函數(shù)在C++中是一個(gè)進(jìn)程控制函數(shù),用于創(chuàng)建新進(jìn)程執(zhí)行其他程序或命令行指令。exec()函數(shù)可以替換當(dāng)前進(jìn)程的代碼和數(shù)據(jù),創(chuàng)建新的進(jìn)程運(yùn)行其他程序。exec()函數(shù)有多個(gè)版本,例如execl、execv、execle、execve等,根據(jù)不同的參數(shù)類型和個(gè)數(shù)來使用2023-05-05C++基于CreateToolhelp32Snapshot獲取系統(tǒng)進(jìn)程實(shí)例
這篇文章主要介紹了C++基于CreateToolhelp32Snapshot獲取系統(tǒng)進(jìn)程實(shí)例,是Windows應(yīng)用程序設(shè)計(jì)中非常實(shí)用的技巧,需要的朋友可以參考下2014-10-10C語言數(shù)據(jù)結(jié)構(gòu)之串插入操作
這篇文章主要介紹了C語言數(shù)據(jù)結(jié)構(gòu)之串插入操作的相關(guān)資料,希望通過本文能幫助到大家,讓大家實(shí)現(xiàn)這樣的功能,需要的朋友可以參考下2017-10-10