无人驾驶入门-基于OpenCV的初级车道线检测

环境

• OpenCV 4.5.0
• C++

步骤

1. 图像输入
2. 灰度处理
3. 滤波处理
4. 边缘提取
5. 感兴趣区域
6. 霍夫变换
7. 直线拟合

代码分析

1. 图像输入

   Mat  image;
   image = imread("img/whiteCarLaneSwitch.jpg");

imread函数

Mat cv::imread	(	const String & 	filename,
                    int 	        flags = IMREAD_COLOR 
                )

参数1：filename—需要载入图片的路径名。主要有绝对路径法、相对路径法、命令行参数法等，具体可参考使用imread()函数读取图片的六种正确姿势。
参数2：flags—加载图像的颜色类型（cv::ImreadModes）。默认是3通道BGR彩色图像。

2. 灰度处理

	Mat  gray_image;
	cv::cvtColor(image, gray_image, COLOR_BGR2GRAY);

cvtColor函数

void cv::cvtColor(cv::InputArray src, 
                  cv::OutputArray dst, 
                  int code, 
                  int dstCn = 0)

参数1：src—输入图像即要进行颜色空间变换的原图像。
参数2：dst—输出图像即进行颜色空间变换后存储图像。
参数3：code—转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片。cv::ColorConversionCodes
参数4：dstCn—目标图像通道数，如果取值为0，则由src和code决定。

3. 滤波处理

	Mat blur_image;
	//bilateralFilter(gray_image, blur_image, 13, 15, 15);
	cv::GaussianBlur(gray_image, blur_image, cv::Size(3, 3), 0, 0);

GaussianBlur函数

void cv::GaussianBlur(cv::InputArray src, 
                      cv::OutputArray dst, 
                      cv::Size ksize, 
                      double sigmaX, 
                      double sigmaY = (0.0), 
                      int borderType = 4)

参数1：src—输入图像；图像可以具有任意数量的通道，这些通道是独立处理的。
参数2：dst—输出图像；与src具有相同大小和类型。
参数3：ksize—高斯核大小；ksize.width和ksize.height可以不同，但它们都必须为正奇数。 或者，它们可以为零，然后根据sigma计算得出。
参数4：sigmaX—高斯核在x方向的标准差。
参数5：sigmaY—高斯核在y方向的标准差。sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定。
参数6：borderType—像素外插策略。

4. 边缘提取

	Mat canny_image;
	cv::Canny(blur_image, canny_image, 50, 150, 3);

Canny函数

void cv::Canny(cv::InputArray image, 
               cv::OutputArray edges, 
               double threshold1, 
               double threshold2, 
               int apertureSize = 3, 
               bool L2gradient = false)

参数1：image—输入图像；8位。
参数2：edges—输出边缘；单通道8位图像，其大小与image相同。
参数3：threshold1—阈值1
参数4：threshold2—阈值2
参数5：apertureSize—Sobel算子大小。
参数6：L2gradient—是否采用更精确的方式计算图像梯度。

关于阈值：

• 两个参数不区分较大阈值和较小阈值，函数会自动比较区分两个阈值的大小，不过一般情况下，较大阈值与较小阈值的比值在2:1到3:1之间。
• 如果该像素的梯度值小于较小阈值，则该像素为非边缘像素；
• 如果该像素的梯度值大于较大阈值，则该像素为边缘像素；
• 如果该像素的梯度值介于较小阈值与较大阈值之间，需要进一步检测该像素的3×3邻域内的8个点，如果这8个点内有一个或以上的点梯度超过了较大阈值，则该像素为边缘像素，否则不是边缘像素。

5. 感兴趣区域

//感兴趣区域 ROI
Mat region_of_interest