任務(wù)4.2車道線檢測應(yīng)用實踐

任務(wù)4.2車道線檢測應(yīng)用實踐任務(wù)導入任務(wù)導入車道線檢測主要應(yīng)用于自動駕駛，可以實現(xiàn)車輛橫向運動的主動安全功能和控制功能。車道線檢測可以確定當前車輛與車道的位置關(guān)系，在車輛偏離車道時，系統(tǒng)不僅可以通過聲音、觸覺等方式來提醒駕駛員，并且主動控制方向盤，糾正車輛的橫向位置，將車輛糾偏回車道內(nèi)，從而避免橫向的碰撞或其他風險。本次實訓將采用傳統(tǒng)的方法實現(xiàn)車道線檢測，重點介紹核心技術(shù)。車道線檢測技術(shù)的相關(guān)知識常見的車道線檢測的方法大致可以分為三類：傳統(tǒng)方法利用傳統(tǒng)圖像處理技術(shù)從攝像機拍攝的圖像中提取車道線特征。傳統(tǒng)圖像處理與深度學習相結(jié)合的方法深度學習提取的特征信息不能直接使用，采用傳統(tǒng)圖像處理的方式對直線特征點進行聚類與擬合。端到端的深度學習的方法直接從輸入圖像中學習到車道線特征，無需復雜的預處理、手工特征提取和后處理，并結(jié)合車道線的各種幾何先驗知識，設(shè)計損失函數(shù)監(jiān)督網(wǎng)絡(luò)訓練，提高車道線檢測的魯棒性和準確性。這節(jié)我們主要介紹如何用簡單的傳統(tǒng)方法實現(xiàn)車道線檢測項目，詳細闡述了傳統(tǒng)車道線檢測的流程并對霍夫變換的思想及Canny邊緣檢測流程進行了概述。車道線檢測的原理車道線檢測可以理解為邊緣檢測，傳統(tǒng)的邊緣檢測算法本質(zhì)上就是一種濾波算法。圖像濾波的作用就是在盡量保留圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可靠性。邊緣檢測主要應(yīng)用于一些數(shù)據(jù)信息的處理，提取想要的目標，剔除一些不相關(guān)的干擾及無用信息，通過更少的數(shù)據(jù)信息量獲取更多關(guān)注的信息。Canny算子的認知Canny邊緣檢測算法是JohnF.Canny于1986年開發(fā)出來的一個多級邊緣檢測算法，此算法被很多人認為是邊緣檢測的最優(yōu)算法，相對其他邊緣檢測算法來說其識別圖像邊緣的準確度要高很多，Canny算子具有以下特性：低錯誤率：標識出盡可能多的實際邊緣，同時盡可能的減少噪聲產(chǎn)生的誤報；高定位性：標識出的邊緣要與圖像中的實際邊緣盡可能接近；最小響應(yīng)：圖像中的邊緣只能標識一次。Canny檢測的步驟如下。1．對原始圖像進行灰度化2．高斯濾波3．計算圖像梯度4．非極大值抑制5．使用上下閥值來檢測邊緣霍夫變換的認知霍夫變換（Hough）是一種特征檢測，被廣泛應(yīng)用在圖像分析、計算機視覺以及數(shù)位影像處理。經(jīng)典的霍夫變換是檢測圖片中的直線，也能夠識別其他形狀，例如圓形、橢圓形。任務(wù)實施——搭建車道線檢測實訓環(huán)境任務(wù)清單：完成Python+PyCharm環(huán)境配置方法。完成OpenCV庫和NumPy庫的安裝。在項目二中已經(jīng)講解在Windows系統(tǒng)下，Python+PyCharm環(huán)境配置方法以及OpenCV庫的安裝，在項目三中也講解了NumPy庫的安裝，這里不過多贅述。任務(wù)實施——車道線檢測任務(wù)清單：Canny邊緣檢測手動分割路面區(qū)域霍夫變換得到車道線獲取車道線并疊加到原始圖像中4.2.6

Canny邊緣檢測首先思考一下邊緣是什么？邊緣就是灰度值變化較大的的像素點的集合。一道黑邊，一道白邊中間就是邊緣。我們需要做的就是把圖像灰度化處理后變化最大的保留下來，除去其他的，這樣可以剔除掉一大部分的點。4.2.6

Canny邊緣檢測4.2.6

Canny邊緣檢測Canny邊緣檢測部分代碼前后對比如圖4.8所示：4.2.7手動分割路面區(qū)域以原始的圖片建立直角坐標系，指定三角形的3個頂點，保留三角形區(qū)域中的邊緣線條，去除其他多余的線條。手動分割路面區(qū)域部分代碼前后對比如圖4.9所示。4.2.8霍夫變換得到車道線霍夫變換的作用就是檢測圖片中的直線?；舴蜃儞Q處理部分代碼前后對比如圖4.10所示。4.2.9獲取車道線并疊加到原始圖像中這一步是將彩色圖像與我們上一步繪制的車道線圖像進行比例的融合。車道線檢測代碼前后對比如圖4.11所示：任務(wù)小結(jié)本項目講解了ADAS關(guān)鍵技術(shù)中的車道保持輔助系統(tǒng)，通過系統(tǒng)認知，學習了車道保持輔