大約十年前，當(dāng)谷歌還在試驗(yàn)一輛原型車(chē)的時(shí)候，我想到了自己的第一輛自動(dòng)駕駛汽車(chē)，當(dāng)時(shí)我立刻被這個(gè)想法迷住了。不可否認(rèn)的是，我必須等待一段時(shí)間，直到這些概念向社區(qū)開(kāi)放，現(xiàn)在看來(lái)等待確實(shí)是值得的！我最近試驗(yàn)了一些與計(jì)算機(jī)視覺(jué)有關(guān)的自動(dòng)駕駛汽車(chē)概念，里面包括車(chē)道檢測(cè)，它實(shí)際上是設(shè)計(jì)任何一款自主汽車(chē)的核心概念。以下是我們將在本視頻中構(gòu)建的車(chē)道檢測(cè)系統(tǒng)：https://youtu.be/sYhZbhT-Smw很酷，對(duì)吧？在這個(gè)教程中，我會(huì)使用OpenCV庫(kù)進(jìn)行車(chē)道檢測(cè)和自動(dòng)駕駛汽車(chē)。當(dāng)然，在本教程中，我們還將引入Python代碼。

目錄

車(chē)道檢測(cè)概念解釋

問(wèn)題陳述

什么是幀掩碼？

車(chē)道檢測(cè)的圖像預(yù)處理

用OpenCV在Python中實(shí)現(xiàn)車(chē)道檢測(cè)

車(chē)道檢測(cè)概念解釋

那么什么是車(chē)道檢測(cè)？以下是百度百科對(duì)車(chē)道的定義：車(chē)道，又稱(chēng)行車(chē)線(xiàn)、車(chē)行道，是用在供車(chē)輛行經(jīng)的道路，在一般公路和高速公路都有設(shè)置，高速公路對(duì)車(chē)道使用帶有法律性質(zhì)的規(guī)則，例如行車(chē)道和超車(chē)道。對(duì)其進(jìn)行定義是很重要的，因?yàn)樗刮覀兡軌蚶^續(xù)進(jìn)行車(chē)道檢測(cè)概念。我們?cè)诮⒁粋€(gè)系統(tǒng)時(shí)不能有任何含糊不清的地方。正如我前面提到的，車(chē)道檢測(cè)是自動(dòng)駕駛汽車(chē)的關(guān)鍵組成部分，這是駕駛場(chǎng)景理解的重要研究課題之一。一旦獲得車(chē)道位置，車(chē)輛就知道去哪里，并避免撞上其他車(chē)道或離開(kāi)道路。這樣可以防止駕駛員/車(chē)輛系統(tǒng)偏離車(chē)道。以下是一些隨機(jī)道路圖像(第一行)及其檢測(cè)到的車(chē)道(第二行)：

問(wèn)題陳述

我們希望執(zhí)行的任務(wù)是實(shí)時(shí)檢測(cè)視頻中的車(chē)道。我們可以通過(guò)多種方式進(jìn)行車(chē)道檢測(cè)，我們可以使用基于學(xué)習(xí)的方法，例如在帶注釋的視頻數(shù)據(jù)集上訓(xùn)練深度學(xué)習(xí)模型，或者使用預(yù)訓(xùn)練好的模型。然而，也有更簡(jiǎn)單的方法來(lái)執(zhí)行車(chē)道檢測(cè)。在本文中，我將向你展示如何在不使用任何學(xué)習(xí)模型的情況下完成此任務(wù)。但是我們將使用Python中流行的OpenCV庫(kù)。下面是我們將要處理視頻的一個(gè)幀：正如我們?cè)谶@張圖片中看到的，我們有四條車(chē)道被白色的車(chē)道標(biāo)線(xiàn)隔開(kāi)。所以，要檢測(cè)車(chē)道，我們就必須檢測(cè)車(chē)道兩邊的白色標(biāo)記。這就引出了一個(gè)關(guān)鍵問(wèn)題——我們?nèi)绾螜z測(cè)車(chē)道標(biāo)線(xiàn)？除了車(chē)道標(biāo)線(xiàn)之外，場(chǎng)景中還有許多其他對(duì)象，如道路上有車(chē)輛、路側(cè)護(hù)欄、路燈等。在視頻中，每一幀都會(huì)有場(chǎng)景變化，這很好地反映了真實(shí)的駕駛情況。因此，在解決車(chē)道檢測(cè)問(wèn)題之前，我們必須找到一種方法來(lái)忽略駕駛場(chǎng)景中不需要的對(duì)象。我們現(xiàn)在能做的一件事就是縮小感興趣的領(lǐng)域。與其使用整個(gè)幀，不如只使用幀的一部分。在下面的圖像中，除了車(chē)道的標(biāo)記之外，其他所有內(nèi)容都隱藏了。當(dāng)車(chē)輛移動(dòng)時(shí)，車(chē)道標(biāo)線(xiàn)將或多或少地落在該區(qū)域內(nèi)：在下一節(jié)中，我將向你展示如何編輯視頻幀以選擇特定區(qū)域。你還將了解一些必要的圖像預(yù)處理操作。

什么是幀掩碼(Frame Mask)？

在這里，幀掩碼只是一個(gè)NumPy數(shù)組。當(dāng)我們想對(duì)圖像應(yīng)用掩碼時(shí)，只需將圖像中所需區(qū)域的像素值更改為0、255或任何其他數(shù)字。下面給出了一個(gè)圖像掩蔽的例子，圖像中某個(gè)區(qū)域的像素值已設(shè)置為0：這是一種非常簡(jiǎn)單但有效的從圖像中去除不需要的區(qū)域和對(duì)象的方法。

車(chē)道檢測(cè)的圖像預(yù)處理

我們將首先對(duì)輸入視頻中的所有幀應(yīng)用掩碼，然后我們將應(yīng)用圖像閾值化和霍夫線(xiàn)變換來(lái)檢測(cè)車(chē)道標(biāo)線(xiàn)。

圖像閾值化

在這種方法中，灰度圖像的像素值根據(jù)閾值被指定為表示黑白顏色的兩個(gè)值之一，因此如果一個(gè)像素的值大于一個(gè)閾值，它被賦予一個(gè)值，否則它被賦予另一個(gè)值。如上所示，對(duì)蒙版圖像應(yīng)用閾值后，我們只得到輸出圖像中的車(chē)道標(biāo)線(xiàn)。現(xiàn)在我們可以通過(guò)霍夫線(xiàn)變換很容易地檢測(cè)出這些標(biāo)記。

霍夫線(xiàn)變換

霍夫線(xiàn)變換是一種檢測(cè)任何可以用數(shù)學(xué)方法表示形狀的方法。例如，它可以檢測(cè)矩形、圓、三角形或直線(xiàn)等形狀。我們感興趣的是檢測(cè)可以表示為直線(xiàn)的車(chē)道標(biāo)線(xiàn)。這是相關(guān)文檔：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_houghlines/py_houghlines.html在執(zhí)行圖像閾值化后對(duì)圖像應(yīng)用霍夫線(xiàn)變換將提供以下輸出：我們需要對(duì)所有幀執(zhí)行此過(guò)程，然后將生成的幀縫合到新視頻中。

用OpenCV在Python中實(shí)現(xiàn)車(chē)道檢測(cè)

是時(shí)候用Python實(shí)現(xiàn)這個(gè)車(chē)道檢測(cè)項(xiàng)目了！我推薦使用Google Colab，因?yàn)闃?gòu)建車(chē)道檢測(cè)系統(tǒng)需要計(jì)算能力。首先導(dǎo)入所需的庫(kù)：import osimport reimport cv2import numpy as npfrom tqdm import tqdm_notebookimport matplotlib.pyplot as plt

讀取視頻幀

我已經(jīng)從這個(gè)YouTube視頻中抽取了一些視頻片段。你可以從這個(gè)鏈接下載:https://drive.google.com/file/d/1e4cc4zFFna3Owyym6aq7ZXoquHA2l95O/view?usp=sharing。# 獲取幀的文件名col_frames = os.listdir('frames/')col_frames.sort(key=lambda f: int(re.sub('\D', '', f)))# 加載幀col_images=[]for i in tqdm_notebook(col_frames): img = cv2.imread('frames/'+i) col_images.append(img)讓我們繪制一個(gè)幀：# 指定一個(gè)索引idx = 457# plot frameplt.figure(figsize=(10,10))plt.imshow(col_images[idx][:,:,0], cmap= "gray")plt.show()

幀掩碼創(chuàng)建

我們感興趣的區(qū)域是一個(gè)多邊形。我們想掩蓋除了這個(gè)區(qū)域以外的一切。因此，我們首先必須指定多邊形的坐標(biāo)，然后使用它來(lái)準(zhǔn)備幀掩碼：# 創(chuàng)建0矩陣stencil = np.zeros_like(col_images[idx][:,:,0])# 指定多邊形的坐標(biāo)polygon = np.array([[50,270], [220,160], [360,160], [480,270]])# 用1填充多邊形cv2.fillConvexPoly(stencil, polygon, 1)# 畫(huà)出多邊形plt.figure(figsize=(10,10))plt.imshow(stencil, cmap= "gray")plt.show()# 應(yīng)用該多邊形作為掩碼img = cv2.bitwise_and(col_images[idx][:,:,0], col_images[idx][:,:,0], mask=stencil)# plot masked frameplt.figure(figsize=(10,10))plt.imshow(img, cmap= "gray")plt.show()

圖像預(yù)處理

我們必須對(duì)視頻幀執(zhí)行一些圖像預(yù)處理操作來(lái)檢測(cè)所需的車(chē)道。預(yù)處理操作包括：

圖像閾值化

霍夫線(xiàn)變換

1.圖像閾值化

# 應(yīng)用圖像閾值化ret, thresh = cv2.threshold(img, 130, 145, cv2.THRESH_BINARY)# 畫(huà)出圖像plt.figure(figsize=(10,10))plt.imshow(thresh, cmap= "gray")plt.show()

2.霍夫線(xiàn)變換

lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)# 創(chuàng)建原始幀的副本dmy = col_images[idx][:,:,0].copy()# 霍夫線(xiàn)for line in lines: x1, y1, x2, y2 = line[0] cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)# 畫(huà)出幀plt.figure(figsize=(10,10))plt.imshow(dmy, cmap= "gray")plt.show()現(xiàn)在我們將對(duì)每個(gè)幀應(yīng)用所有這些操作。我們還將結(jié)果幀保存在新目錄中：cnt = 0for img in tqdm_notebook(col_images): # 應(yīng)用幀掩碼 masked = cv2.bitwise_and(img[:,:,0], img[:,:,0], mask=stencil) # 應(yīng)用圖像閾值化 ret, thresh = cv2.threshold(masked, 130, 145, cv2.THRESH_BINARY) # 應(yīng)用霍夫線(xiàn)變換 lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200) dmy = img.copy() #畫(huà)出檢測(cè)到的線(xiàn) try: for line in lines: x1, y1, x2, y2 = line[0] cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3) cv2.imwrite('detected/'+str(cnt)+'.png',dmy) except TypeError: cv2.imwrite('detected/'+str(cnt)+'.png',img) cnt+= 1

視頻準(zhǔn)備

# 輸入幀的路徑pathIn= 'detected/'#輸出視頻路徑pathOut = 'roads_v2.mp4'# 視頻每秒的幀數(shù)fps = 30.0from os.path import isfile, join# 獲取幀的文件名files = [f for f in os.listdir(pathIn) if isfile(join(pathIn, f))]files.sort(key=lambda f: int(re.sub('\D', '', f)))接下來(lái)，我們將把檢測(cè)到的車(chē)道上的所有幀放入一個(gè)列表中：frame_list = []for i in tqdm_notebook(range(len(files))): filename=pathIn + files[i] #讀取每一個(gè)文件 img = cv2.imread(filename) height, width, layers = img.shape size = (width,height) #將幀插入圖像數(shù)組 frame_list.append(img)最后，我們現(xiàn)在可以使用下面的代碼將幀合并為視頻：# 寫(xiě)入視頻out = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)for i in range(len(frame_array)): out.write(frame_array[i])out.release()這就完成了Python中的車(chē)道檢測(cè)系統(tǒng)。

結(jié)尾

在本教程中，我們介紹了一種簡(jiǎn)單的車(chē)道檢測(cè)技術(shù)。我們沒(méi)有使用任何模型或復(fù)雜的圖像特征，相反，我們的解決方案完全基于某些圖像預(yù)處理操作。但是，在很多情況下，這個(gè)解決方案都無(wú)法工作。例如，當(dāng)沒(méi)有車(chē)道標(biāo)線(xiàn)，或者道路上的車(chē)輛太多時(shí)，該系統(tǒng)將失敗。在車(chē)道檢測(cè)中有更復(fù)雜的方法來(lái)克服這些問(wèn)題。原文鏈接：https://www.analyticsvidhya.com/blog/2020/05/tutorial-real-time-lane-detection-opencv/留言送書(shū)福利

感謝大家的走心留言，每一條小編都認(rèn)真閱讀了，會(huì)繼續(xù)努力噠。

這次沒(méi)被抽中的朋友不要?dú)怵H~ 我們會(huì)堅(jiān)持不定期推出留言送書(shū)活動(dòng)，多多留言會(huì)增加中獎(jiǎng)概率的。恭喜下面留言的兩位讀者，分別獲贈(zèng)書(shū)籍《Python數(shù)據(jù)分析與可視化從入門(mén)到精通》一本。請(qǐng)聯(lián)系小編：mthler。

☆ END ☆如果看到這里，說(shuō)明你喜歡這篇文章，請(qǐng)轉(zhuǎn)發(fā)、點(diǎn)贊。微信搜索「uncle_pn」，歡迎添加小編微信「 mthler」，每日朋友圈更新一篇高質(zhì)量博文(無(wú)廣告)。↓掃描二維碼添加小編↓

總結(jié)

以上是生活随笔為你收集整理的python获取数组中大于某一阈值的那些索引值_使用Python+OpenCV进行实时车道检测...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。