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。以下是我的实现方式。

1. 通过切图（将焦点放在中间部分）确定感兴趣区域（ROI）
2. 对ROI进行灰度处理
3. 使用cv2.equalizeHist均衡化灰度ROI
4. 对（3）应用高斯模糊
5. 使用cv2.adaptiveThreshold阈值化（4）
6. 使用skimage.morphology.skeletonize骨架化（5）
7. 在（6）上应用cv2.HoughLines

对于cv2.HoughLines，我进行了如下设置：

1. 如果rho为正数（表示直线向右倾斜（自下而上），仅在特定角度范围内绘制直线（我设置了角度范围））
2. 如果rho为负数（表示直线向左倾斜（自下而上），仅在特定角度范围内绘制直线）

这是我的绘制直线的代码：

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))

如果我没有为cv2.HoughLines函数执行上面的操作，我认为会有很多不必要的线条被画出来。

对于参数的调整，我得到了一个相当不错的结果，但那只是针对一张图片。我认为对于一个将会不断变化的视频来说，效果不会那么好。 最困扰我的是关于我的算法来绘制所需的直线（即道路车道）。有更好的方法吗？至少比我的更好。

这是我的结果：

原始图像： ROI的均衡化直方图、二值化和骨架化图像： 最终结果：

- Hafiz Hilman Mohammad Sofian

Answer 1

我建议考虑在应用中使用概率霍夫线变换。在OpenCV的Python API中，它是在cv2.HoughLinesP函数中实现的。这将给你线段，因此你不需要计算端点。它比标准的霍夫线变换要快得多。

当然，有一些权衡。例如，您可能需要添加逻辑来拼接线段。另一方面，我发现这并不是什么坏事。我的一个玩具项目（自驾迷你巴士）使用了这种方法，在曲线道路上拥有单独的线段使得处理更容易，而标准的霍夫线变换不能给出任何线段。

希望这有所帮助。

编辑：关于线段“拼接”的细节，这取决于您想要实现什么。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。在我的应用程序中，我需要确定车道的曲率，因此我进行了一些拼接，以建立每条道路车道的模型，其中包括车道的平均斜率-这被用作控制舵机移动轮子的模块的输入。

通过“拼接”，我并不特别指任何复杂的操作，但我不知道任何特别的OpenCV函数来完成它。我只需要一种将线段关联在同一车道中的方法。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截距确定线段将相交的位置。

- Aenimated1

---

我应该如何“拼接”这些行呢？抱歉，我对编程和图像处理都还是初学者。 - Hafiz Hilman Mohammad Sofian

我添加了一些注释。很抱歉没有提供任何代码。它是用C++编写的，而且特定的实现与你的非常不同 - 基本上，我只是没有足够的时间来适应你的应用程序。 - Aenimated1