C++?OpenCV實(shí)戰(zhàn)之車道檢測
前言
本文將使用OpenCV C++ 進(jìn)行車道檢測。
一、獲取車道ROI區(qū)域

原圖如圖所示。
使用下面代碼段獲取ROI區(qū)域。該ROI區(qū)域點(diǎn)集根據(jù)圖像特征自己設(shè)定。通過fillPoly填充ROI區(qū)域,最終通過copyTo在原圖中扣出ROI。
void GetROI(Mat src, Mat &image)
{
?? ?Mat mask = Mat::zeros(src.size(), src.type());
?? ?int width = src.cols;
?? ?int height = src.rows;
?? ?//獲取車道ROI區(qū)域,只對該部分進(jìn)行處理
?? ?vector<Point>pts;
?? ?Point ptA((width / 8) * 2, (height / 20) * 19);
?? ?Point ptB((width / 8) * 2, (height / 8) * 7);
?? ?Point ptC((width / 10) * 4, (height / 5) * 3);
?? ?Point ptD((width / 10) * 5, (height / 5) * 3);
?? ?Point ptE((width / 8) * 7, (height / 8) * 7);
?? ?Point ptF((width / 8) * 7, (height / 20) * 19);
?? ?pts = { ptA ,ptB,ptC,ptD,ptE, ptF };
?? ?fillPoly(mask, pts, Scalar::all(255));
?? ?src.copyTo(image, mask);
}
mask圖像如圖所示。有了mask圖像,我們就可以更好的進(jìn)行后續(xù)處理,以檢測車道線。
二、車道檢測
1.灰度、閾值
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
Mat thresh;
threshold(gray, thresh, 180, 255, THRESH_BINARY);
imshow("thresh", thresh);
經(jīng)過灰度、閾值后的圖像如下圖所示。

2.獲取非零像素點(diǎn)
我們將圖像分為兩半。左半邊獲取左側(cè)車道輪廓點(diǎn);右半邊獲取右側(cè)車道輪廓點(diǎn)。
vector<Point>left_line;
vector<Point>right_line;
for (int i = 0; i < thresh.cols / 2; i++)
{
for (int j = 0; j < thresh.rows; j++)
{
if (thresh.at<uchar>(j, i) == 255)
{
left_line.push_back(Point(i, j));
}
}
}
for (int i = thresh.cols / 2; i < thresh.cols; i++)
{
for (int j = 0; j < thresh.rows; j++)
{
if (thresh.at<uchar>(j, i) == 255)
{
right_line.push_back(Point(i, j));
}
}
}
3.繪制車道線
我們將從left_line、right_line容器中各拿出首尾兩個點(diǎn)作為車道線的起始點(diǎn)。
注意:這里要加一個if判斷語句,否則當(dāng)容器為空時(shí)(未檢測到車道線),容器會溢出。
if (left_line.size() > 0 && right_line.size() > 0)
{
Point B_L = (left_line[0]);
Point T_L = (left_line[left_line.size() - 1]);
Point T_R = (right_line[0]);
Point B_R = (right_line[right_line.size() - 1]);
circle(src, B_L, 10, Scalar(0, 0, 255), -1);
circle(src, T_L, 10, Scalar(0, 255, 0), -1);
circle(src, T_R, 10, Scalar(255, 0, 0), -1);
circle(src, B_R, 10, Scalar(0, 255, 255), -1);
line(src, Point(B_L), Point(T_L), Scalar(0, 255, 0), 10);
line(src, Point(T_R), Point(B_R), Scalar(0, 255, 0), 10);
vector<Point>pts;
pts = { B_L ,T_L ,T_R ,B_R };
fillPoly(src, pts, Scalar(133, 230, 238));
}

最終效果如圖所示。
總結(jié)
本文使用OpenCV C++進(jìn)行車道檢測,關(guān)鍵步驟有以下幾點(diǎn)。
1、要根據(jù)車道所在位置扣出一個ROI區(qū)域,這樣方便我們后續(xù)的閾值操作。
2、根據(jù)閾值圖像獲取左右車道的輪廓點(diǎn)。這里的閾值處理很重要,直接會影響最后的效果。本文做實(shí)時(shí)視頻處理時(shí),也會因?yàn)殚撝祮栴}導(dǎo)致最后的效果不是特別好。
3、根據(jù)獲取到的各車道輪廓點(diǎn)拿出首尾Point就可以繪制車道線以及車道區(qū)域了。
到此這篇關(guān)于C++ OpenCV實(shí)戰(zhàn)之車道檢測的文章就介紹到這了,更多相關(guān)C++ OpenCV車道檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- C++?opencv圖像處理實(shí)現(xiàn)圖片邊緣檢測示例
- C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測的實(shí)現(xiàn)
- C++ OpenCV實(shí)戰(zhàn)之標(biāo)記點(diǎn)檢測的實(shí)現(xiàn)
- C++?OpenCV實(shí)現(xiàn)二維碼檢測功能
- C++ opencv霍夫圓檢測使用案例詳解
- opencv3/C++ 實(shí)現(xiàn)SURF特征檢測
- opencv3/C++實(shí)現(xiàn)霍夫圓/直線檢測
- C++利用opencv實(shí)現(xiàn)人臉檢測
- C++利用Opencv實(shí)現(xiàn)多個圓形檢測
相關(guān)文章
C++前綴樹字典樹的學(xué)習(xí)與模擬實(shí)現(xiàn)代碼示例
這篇文章主要介紹了C++前綴樹字典樹的學(xué)習(xí)與模擬實(shí)現(xiàn)代碼示例,Trie又被稱為前綴樹、字典樹,所以當(dāng)然是一棵樹,上面這棵Trie樹包含的字符串集合是{in,inn,int,tea,ten,to},每個節(jié)點(diǎn)的編號是我們?yōu)榱嗣枋龇奖慵由先サ?需要的朋友可以參考下2023-07-07

