使用opencv怎么实现一个车道线检测功能

这篇文章给大家介绍使用opencv怎么实现一个车道线检测功能，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

原理：

算法基本思想说明：

传统的车道线检测，多数是基于霍夫直线检测，其实这个里面有个很大的误区，霍夫直线拟合容易受到各种噪声干扰，直接运用有时候效果不好，更多的时候通过霍夫直线检测进行初步的筛选，然后再有针对性的进行直线拟合，根据拟合的直线四个点坐标，绘制出车道线，这种方式可以有效避免霍夫直线拟合不良后果，是一种更加稳定的车道线检测方法，在实际项目中，可以选择两种方法并行，在计算出结果后进行叠加或者对比提取，今天分享的案例主要是绕开了霍夫直线检测，通过对二值图像进行轮廓分析与几何分析，提取到相关的车道线信息、然后进行特定区域的像素扫描，拟合生成直线方程，确定四个点绘制出车道线，对连续的视频来说，如果某一帧无法正常检测，就可以通过缓存来替代绘制，从而实现在视频车道线检测中实时可靠。

原理图：

代码：

#include <opencv2/opencv.hpp>#include <iostream>#include <cmath>using namespace cv;using namespace std;Point left_line[2];Point right_line[2];void process(Mat &frame, Point *left_line, Point *right_line);Mat fitLines(Mat &image, Point *left_line, Point *right_line);int main(int argc, char** argv) { //读取视频 VideoCapture capture("E:/opencv/road_line.mp4"); int height = capture.get(CAP_PROP_FRAME_HEIGHT); int width = capture.get(CAP_PROP_FRAME_WIDTH); int count = capture.get(CAP_PROP_FRAME_COUNT); int fps = capture.get(CAP_PROP_FPS); //初始化 left_line[0] = Point(0,0); left_line[1] = Point(0, 0);  right_line[0] = Point(0, 0);  right_line[1] = Point(0, 0); cout << height<<" "<< width<< " " <<count<< " " <<fps << endl; //循环读取视频 Mat frame; while (true) { int ret = capture.read(frame); if (!ret) { break; } imshow("input", frame); process(frame, left_line, right_line); char c = waitKey(5); if (c == 27) { break; }   }}void process(Mat &frame, Point *left_line, Point *right_line ){ Mat gray,binary;  cvtColor(frame, gray, COLOR_BGR2GRAY);  //threshold(gray, binary, ); //边缘检测 Canny(gray, binary, 150, 300); //imshow("Canny", binary); for (size_t i = 0; i < (gray.rows/2+40); i++) { for (size_t j = 0; j < gray.cols; j++) { binary.at<uchar>(i, j) = 0; } } imshow("binary", binary);  //寻找轮廓 vector<vector<Point>> contours; findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); Mat out_image = Mat::zeros(gray.size(), gray.type()); for (int i = 0; i < contours.size(); i++) {  //计算面积与周长 double length = arcLength(contours[i], true); double area = contourArea(contours[i]); //cout << "周长 length:" << length << endl; //cout << "面积 area:" << area << endl; //外部矩形边界 Rect rect = boundingRect(contours[i]); int h = gray.rows - 50; //轮廓分析： if (length < 5.0 || area < 10.0) { continue; } if (rect.y > h) { continue; } //最小包围矩形 RotatedRect rrt = minAreaRect(contours[i]);  //cout << "最小包围矩形 angle:" << rrt.angle << endl; double angle = abs(rrt.angle);  //angle < 50.0 || angle>89.0 if (angle < 20.0 || angle>84.0) { continue; }  if (contours[i].size() > 5) { //用椭圆拟合 RotatedRect errt = fitEllipse(contours[i]); //cout << "用椭圆拟合err.angle:" << errt.angle << endl; if ((errt.angle<5.0) || (errt.angle>160.0)) { if (80.0 < errt.angle && errt.angle < 100.0) { continue; }  } } //cout << "开始绘制：" << endl; drawContours(out_image, contours, i, Scalar(255), 2, 8); imshow("out_image", out_image); } Mat result = fitLines(out_image, left_line, right_line); imshow("result", result); Mat dst; addWeighted(frame, 0.8, result, 0.5,0, dst); imshow("lane-lines", dst);}//直线拟合Mat fitLines(Mat &image, Point *left_line, Point *right_line) { int height = image.rows; int width = image.cols; Mat out = Mat::zeros(image.size(), CV_8UC3); int cx = width / 2; int cy = height / 2; vector<Point> left_pts; vector<Point> right_pts; Vec4f left;  for (int i = 100; i < (cx-10); i++) { for (int j = cy; j < height; j++) { int pv = image.at<uchar>(j, i); if (pv == 255)  { left_pts.push_back(Point(i, j)); } } } for (int i = cx; i < (width-20); i++) { for (int j = cy; j < height; j++) { int pv = image.at<uchar>(j, i); if (pv == 255) { right_pts.push_back(Point(i, j)); } } } if (left_pts.size() > 2) { 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(0, 0, 255), 8, 8, 0); left_line[0] = left_spot_1; left_line[1] = left_spot_end; } else { line(out, left_line[0], left_line[1], Scalar(0, 0, 255), 8, 8, 0); } if (right_pts.size()>2) {  Point spot_1 = right_pts[0]; Point spot_end = right_pts[right_pts.size()-1]; int x1 = spot_1.x;  int y1 = spot_1.y; int x2 = spot_end.x; int y2 = spot_end.y;  line(out, spot_1, spot_end, Scalar(0, 0, 255), 8, 8, 0); right_line[0] = spot_1; right_line[1] = spot_end; } else { line(out, right_line[0], right_line[1], Scalar(0, 0, 255), 8, 8, 0); } return out;}

关于使用opencv怎么实现一个车道线检测功能就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。