文件編號(hào)：A340

文件大?。?/strong>34M

開(kāi)發(fā)環(huán)境：Python3.6、OpenCV3.4.x

猿創(chuàng)承諾：該項(xiàng)目親測(cè)正常運(yùn)行，需遠(yuǎn)程調(diào)試部署需另外收費(fèi)，確保正常使用，不能正常使用全額退款。

簡(jiǎn)要概述：帶轉(zhuǎn)向輔助和車道偏離監(jiān)控的車道檢測(cè), 本項(xiàng)目旨在演示車道檢測(cè)系統(tǒng)如何在配備前置攝像頭的汽車上工作。該系統(tǒng)在越來(lái)越多的車輛中占有一席之地，是自動(dòng)/半自動(dòng)車輛中使用的高級(jí)駕駛員輔助系統(tǒng)（ADAS）的重要組成部分。此功能負(fù)責(zé)檢測(cè)車道、測(cè)量曲線半徑（曲線的緊密度）并監(jiān)控從中心的偏移。有了這些信息，該系統(tǒng)通過(guò)確保車輛在車道線內(nèi)居中而顯著提高了安全性，并且如果還配置為控制方向盤(pán)在高速公路上無(wú)需任何駕駛員輸入的情況下緩慢轉(zhuǎn)彎，則可增加舒適性。這是用于生產(chǎn)車輛的簡(jiǎn)化版本，如果提供良好的條件（清晰的車道線、穩(wěn)定的光照條件），則功能最佳。在這個(gè)存儲(chǔ)庫(kù)中，它包含一個(gè)行車記錄儀鏡頭，供腳本使用。

確保兩個(gè)文件（laneDetection.py和drive.mp4）位于同一目錄中。

先決條件:

要成功運(yùn)行項(xiàng)目，需要安裝以下軟件及其各自的版本：

-Python 3.6 or higher

-OpenCV 3 or higher

-Numpy 1.14 or higher

-Scipy 1.1 or higher

工作原理：

laneDetection提供了一個(gè)包含汽車在公路上行駛的dashcam畫(huà)面的視頻文件。py按照模塊化的方法，Python腳本有幾個(gè)函數(shù)來(lái)執(zhí)行車道檢測(cè)。

圖像處理

readVideo（）

首先是readVideo（）函數(shù)，用于訪問(wèn)視頻文件驅(qū)動(dòng)器。位于同一目錄中的mp4。

processImage（）

此函數(shù)執(zhí)行一些處理技術(shù)，以隔離白色車道線，并為后續(xù)函數(shù)的進(jìn)一步分析做好準(zhǔn)備?；旧?，它應(yīng)用HLS顏色過(guò)濾來(lái)過(guò)濾出幀中的白色，然后將其轉(zhuǎn)換為灰度，然后應(yīng)用閾值來(lái)去除除車道以外的不必要檢測(cè)，變得模糊，最后使用cv2提取邊緣。Canny（）函數(shù)。

perspectiveWarp()

現(xiàn)在我們有了我們想要的圖像，透視扭曲被應(yīng)用。在框架上放置4個(gè)點(diǎn)，使其僅圍繞存在車道的區(qū)域（如圖所示），然后將其映射到另一個(gè)矩陣上，以創(chuàng)建對(duì)車道的鳥(niǎo)瞰。這將使我們能夠處理更精細(xì)的圖像，并幫助檢測(cè)車道曲率。應(yīng)注意，如果使用其他視頻，此操作可能會(huì)發(fā)生變化。預(yù)定義的4個(gè)點(diǎn)是根據(jù)這一特定的鏡頭計(jì)算的。如果另一個(gè)視頻的角度稍有不同，則應(yīng)重新調(diào)諧。

正在處理的幀的不同階段（左），鳥(niǎo)瞰視圖（右）

車道檢測(cè)、曲線擬合和計(jì)算

plotHistogram（）

繪制圖像下半部分的直方圖是獲取左右車道確切起始位置信息的關(guān)鍵部分。在分析直方圖時(shí)，可以看到在檢測(cè)到所有白色像素的地方有兩個(gè)不同的峰值。這是一個(gè)很好的指示器，指示左右車道的起始位置。由于直方圖x坐標(biāo)表示分析幀的x坐標(biāo)，這意味著我們現(xiàn)在有x坐標(biāo)開(kāi)始搜索車道。

顯示白色像素峰值的直方圖

slide_window_search()

滑動(dòng)窗口方法用于檢測(cè)車道及其曲率。它使用上一個(gè)直方圖函數(shù)中的信息，并在中間放置一個(gè)帶有車道的框。然后根據(jù)上一個(gè)框中白色像素的位置將另一個(gè)框放在頂部，并將其自身相應(yīng)地一直放置到幀的頂部。這樣，我們就有了進(jìn)行一些計(jì)算的信息。然后，執(zhí)行二次多項(xiàng)式擬合以在像素空間中具有曲線擬合。

general_search()

在運(yùn)行slide_window_search（）函數(shù)后，這個(gè)通用的_search（）函數(shù)現(xiàn)在能夠填充檢測(cè)到的車道周圍的區(qū)域，再次應(yīng)用二次多邊形擬合，然后繪制一條黃線，該黃線與車道非常精確地重疊。這條線將用于測(cè)量曲率半徑，這對(duì)于預(yù)測(cè)轉(zhuǎn)向角至關(guān)重要。

measure_lane_curvature()

根據(jù)前兩個(gè)函數(shù)提供的信息，np。再次使用polyfit（）函數(shù)，但將值乘以xm_per_pix和ym_per_pix變量，將它們從像素空間轉(zhuǎn)換為米空間。xm_per_pix設(shè)置為3.7/720，車道寬度為3.7米，從直方圖中獲得的左右車道基準(zhǔn)x坐標(biāo)對(duì)應(yīng)于車道寬度（像素），結(jié)果約為720像素。類似地，由于幀高度為720，因此ym_per_pix被設(shè)置為30/720。

滑動(dòng)窗口搜索功能可視化（左），常規(guī)搜索功能可視化（右）

可視化與主要功能

draw_lane_lines()

從這里開(kāi)始，應(yīng)用一些方法來(lái)可視化檢測(cè)到的車道和其他信息，以便為最終圖像顯示。此特定功能采用檢測(cè)到的車道，并用綠色填充車道內(nèi)的區(qū)域。它還通過(guò)獲取左fitx和右fitx列表的平均值并將其存儲(chǔ)在pts_mean變量中（然后用淡黃色表示）來(lái)可視化車道中心。該變量還用于計(jì)算車輛到任意一側(cè)的偏移量或車輛在車道中心的偏移量。

offCenter（）

函數(shù)使用pts_mean變量計(jì)算偏移值，并以米為單位顯示。

addText（）

最后通過(guò)在最終圖像上添加文本將完成該過(guò)程并顯示信息。

main（）

Main函數(shù)是按正確順序調(diào)用所有這些函數(shù)的地方，它包含播放視頻的循環(huán)。

定稿圖像

圖像處理階段

按需寫(xiě)作：

演示視頻：

點(diǎn)擊查看：系統(tǒng)演示視頻

運(yùn)行界面：

遠(yuǎn)程協(xié)助：

溫馨提示：索煒達(dá).猿創(chuàng)官方提供收費(fèi)遠(yuǎn)程協(xié)助，確保您項(xiàng)目運(yùn)行成功。

點(diǎn)擊查看：遠(yuǎn)程協(xié)助相關(guān)事項(xiàng)

我們提供完整項(xiàng)目文件清單如下：

文件目錄

 ├ 1.項(xiàng)目源碼

 ├ 2.運(yùn)行截圖

 └ 3.演示視頻