开源项目：车辆车道线检测

周忻娥

于 2025-04-15 09:25:17 发布

阅读量677

点赞数 21

本文链接：https://blog.csdn.net/gitblog_00774/article/details/147239552

版权

开源项目：车辆车道线检测

car-finding-lane-lines Finding Lane Lines using Python and OpenCV 项目地址: https://gitcode.com/gh_mirrors/ca/car-finding-lane-lines

1. 项目介绍

本项目是基于Python和OpenCV的开源项目，旨在通过图像处理技术识别道路上的车道线。项目利用了颜色选择、Canny边缘检测、感兴趣区域选择和霍夫变换线检测等技术，能够对静态图片和视频中的车道线进行识别。

2. 项目快速启动

快速启动项目需要以下步骤：

首先，设置conda环境。在终端中执行以下命令：

conda create -f environment.yml

然后，激活环境：

conda activate car-finding-lane-lines

接下来，启动jupyter笔记本：

jupyter notebook Finding_Lane_Lines_on_the_Road.ipynb

在jupyter笔记本中执行所有单元格，输出视频将生成在output_videos文件夹中。

3. 应用案例和最佳实践

颜色选择

在处理图像时，首先需要选择车道线的颜色。本项目通过在RGB、HSL和HSV颜色空间中选择白色和黄色来实现这一点。以下是在HLS颜色空间中选择白色和黄色的代码示例：

def select_white_yellow(image):
    converted = convert_hls(image)
    # 白色颜色掩码
    lower_white = np.uint8([0, 200, 0])
    upper_white = np.uint8([255, 255, 255])
    white_mask = cv2.inRange(converted, lower_white, upper_white)
    # 黄色颜色掩码
    lower_yellow = np.uint8([10, 0, 100])
    upper_yellow = np.uint8([40, 255, 255])
    yellow_mask = cv2.inRange(converted, lower_yellow, upper_yellow)
    # 结合掩码
    mask = cv2.bitwise_or(white_mask, yellow_mask)
    return cv2.bitwise_and(image, image, mask=mask)

边缘检测

为了找到车道线，需要检测图像中的边缘。本项目使用了Canny边缘检测算法，以下是将图像转换为灰度并应用高斯模糊以及Canny边缘检测的代码示例：

def convert_gray_scale(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

def apply_smoothing(image, kernel_size=15):
    return cv2.GaussianBlur(image, (kernel_size, kernel_size), 0)

def edge_detection(image):
    return cv2.Canny(image, 50, 150)