https://github.com/w2874382167/lane-detection

在大一上学期时，完成编程作业，选题为利用OpenCV进行车道线的检测
https://github.com/w2874382167/lane-detection

cpp detection opencv

Last synced: 5 months ago
JSON representation

在大一上学期时，完成编程作业，选题为利用OpenCV进行车道线的检测

• Host: GitHub
• URL: https://github.com/w2874382167/lane-detection
• Owner: w2874382167
• Created: 2024-07-18T15:25:46.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2024-11-14T02:39:22.000Z (over 1 year ago)
• Last Synced: 2025-05-07T07:42:55.794Z (about 1 year ago)
• Topics: cpp, detection, opencv
• Language: C++
• Homepage:
• Size: 27.8 MB
• Stars: 2
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# 车道线检测

> 引入：针对路面标线检测是实现车道偏离预警的关键技术，对于实现车辆的完全自主驾驶具有重要的意义。

## 一、选题分析与理解：

1. 车道线检测是自动驾驶和驾驶辅助系统中的关键任务之一，针对路面标线检测是实现车道偏离预警的关键技术，对于实现车辆的完全自主驾驶具有重要的意义。OpenCV是一个广泛使用的计算机视觉库，可以用来进行车道线检测。

2. 车道线检测的基本原理是通过图像处理和计算机视觉技术在***\*图像或视频帧中提取出车道线的位置信息\****。具体如下几个模块处理：

 图像预处理：将彩色图像转换为灰度图像，使用cvtColor函数来实现。

 边缘检测：利用Canny边缘检测算法，使用Canny函数来实现。Canny算法能够检测图像中的边缘，并输出一个二值图像，其中只包含边缘点。

 区域兴趣提取（ROI区域提取）：车道线通常在图像的下半部分出现，因此需要定义一个感兴趣的区域来提取车道线。fillPoly函数创建一个多边形mask，将非感兴趣区域的像素设为0。之后在使用bitwise_and函数将兴趣区域图像导入（简单来说就是将车道线的位置通过计算后抠出）

 轮廓提取：提取轮廓，对轮廓的边框进行分析除去一些不符合的，在用借助椭圆进行拟合出轮廓。轮廓提取可以使用findContours函数，之后遍历所有的轮廓分析，除去角度、面积都过于不符合的，之后用drawContours函数将轮廓描出。

 直线拟合：对轮廓分为左下部分（左车道）和右下部分（右车道）进行向量取点之后将点拟合得到目标线。这里向量取点使用push_pack填入找到的点，拟合时借助line函数得到。

流程如下：

![流程图](./img/wps7.jpg) 

## 二、自定义函数原型以及核心代码片段如下：

```c++

void process(Mat& frame,Point* left,Point* right_line);

Mat fitLines(Mat& image, Point* lift_line, Point* right_line);

```

process函数用于用于对图片进行操作得到目标线段（包括图片灰度化，边缘检测，区域提取.....）

```c++

cvtColor(frame, gray, COLOR_BGR2GRAY);//灰度化

Canny(gray, binary, 100,150);//canny算子边缘检测

bitwise_and(binary, mask, roi_binary);//对二值化（边缘）填入掩码

//寻找轮廓findContours

//二值化图像中查找对象的轮廓，并将找到的轮廓保存在contours这个容器中

//二值化图片	保存容器	检测外侧	压缩

findContours(roi_binary, contours, RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

```

fitLines函数主要是轮廓进一步的提取分析之后绘制出车道线（通过斜率的计算过滤一部分线段，）

```c++

//遍历左下部分，找到左车道线

for (int i = 100; i < (cx - 10); i++)

{

	for (int j = cy; j < height; j++)

	{

		int pv = image.at(j, i);

		if (pv == 255)

		{	//提取左车道线的点集

			left_pts.push_back(Point(i, j));

		}

	}

}

	//拟合左车道

	if (left_pts.size() > 2)		//点数大于2

	{

		//拟合一条直接到左车道点集上

		fitLine(left_pts, left, DIST_L1, 0, 0.01, 0.01);

		double k1 = left[1] / left[0];

		double step = left[3] - k1 * left[2];

		int x1 = int((height - step) / k1);

		int y2 = int((cx - 25) * k1 + step);

		Point left_spot_1 = Point(x1, height);

		Point left_spot_end = Point((cx - 25), y2);

		line(out, left_spot_1, left_spot_end, Scalar(128, 0, 128), 8, 8, 0);

		//承接上一张的点

		left_line[0] = left_spot_1;

		left_line[1] = left_spot_end;

	}

	else

	{

		line(out, left_line[0], left_line[1], Scalar(128, 0, 128), 8, 8, 0);

	}

```

## 三、运行界面截图：

	 

​								灰度化处理																						边缘检测

 

	 

​								特定区域提取																				绘制车道线

 

## 四、总结

车道线检测是自动驾驶和驾驶辅助系统中的关键任务之一，针对路面标线检测是实现车道偏离预警的关键技术，对于实现车辆的完全自主驾驶具有重要的意义。在我的算法中，运用边缘检测，POI区域获取，轮廓提取，点数拟合成线基本可以实现车道线的检测。除此以外，我还利用了椭圆拟合的算法，将轮廓的边缘进行修正和进行一步的加工，使后面更容易提取到所需的点集；在点集处理处，也通过遍历寻找车道线的点集，斜率评估和筛选，让符合要求的点集留下，不符合的进行微调或者移除，保证了绘制出的车道线可以更好的贴近实际车道线，更加符合实际的需求。

算法也需要很多需要调整的地方，比如：ROI区域获取时如何能够将不同场景，不同尺寸的图像处理，在保证减少噪声的情况下，还能够得到需要检测的区域.....

有一句这样说：“数学决定你学计算机的深度，英语决定你学计算机的广度。”在这个项目里我深有体会，需要不断的去测量坐标、计算坐标、计算斜率估计值...建立数学模型，将数学思维始终贯彻整个算法！

具体可以联系邮箱：libai9123@outlook.com

 **大一上学期期末作业：优秀**