最近更新于 2022-05-16 13:22
本文资源下载：https://pan.baidu.com/s/1oGq_AVnKEUhtBAkOEv5J1w?pwd=h4oq
测试环境：
Ubuntu 20.04 x86_64 Python 3.9.10 opencv-python 4.5.5.64 jupyter 1.0.0 numpy 1.22.3
原理：
公路上的车道线颜色为黄色和白色，因此首先对图像进行过滤，获取一定范围内的黄色和白色图像，再将两种颜色过滤结果的图像合并在一起。然后将图像转为灰度图，通过高斯滤波将图像模糊化，忽略一些细小的图案。然后进行边缘检测，提取轮廓。
此时得到的图案中包括了车道线的轮廓，当然也包含了背景物其它一些东西的轮廓，这些轮廓可能会对车道线检测造成干扰。而车道线往前延伸形成的形状就是一个梯形，因此这里构建一个梯形的 ROI 区域，将其它部分滤除掉，此时的图像中的轮廓线条主要就是车道线了。
车道线呈明显的直线，所以使用霍夫变换将直线检测出来，也就绝大可能是车道线了，然后将直线绘制出来。
评价：
基于上述原理在道路图像较好的情况下，检测车道线的准确度较高。但是如果道路上出现阴影以及车道线以内有地面标志等情况下，就可能有一定程度的偏差，不过用于模型小车演示应该是足够了，距离真车实用还有待改进。
说明：
通过上面的链接可以下载我测试用的行车视频以及代码文件，使用 jupyter 打开车道线检测1.0.ipynb，然后运行整个 notebook 就行。
