传统车道线检测项目学习总结（附源码，复现日志与github链接）

本文介绍了一种基于传统图像处理技术的车道线检测方法，并通过多项式拟合、曲率半径计算等步骤实现了车道线的精准定位及可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

传统车道线检测

Advanced_Lane_Detection项目的复现，更换了其中的数据，修改了相应脚本，添加了可视化功能。话不多说，直接上图显示效果。
效果图

文章目录

传统车道线检测
附：
鸣谢

环境要求

Python 3.5
Numpy
OpenCV-Python
Matplotlib
Pickle

项目流程

一：相机标定

采用棋盘格对相机进行标定，消除畸变，可采用下列方法（本项目采用第二种）

法一：执行calibrate_camera.py脚本获得内参矩阵与畸变系数存入p文件

def calibrate_camera():
	# 棋盘格个数及其横纵内角点个数
	objp_dict = {
		1: (9, 6),
		2: (9, 6),
		3: (9, 6),
		4: (9, 6),
		5: (9, 6),
		6: (9, 6),
		7: (9, 6),
		8: (9, 6),
		9: (9, 6),
		10: (9, 6),
		11: (9, 6),
		12: (9, 6),
		13: (9, 6),
		14: (9, 6),
		15: (9, 6),
		16: (9, 6),
		17: (9, 6),
		18: (9, 6),
		19: (9, 6),
		20: (9, 6),
	}

	objp_list = []
	corners_list = []

	for k in objp_dict:
		nx, ny = objp_dict[k]
		objp = np.zeros((nx*ny,3), np.float32)
		objp[:,:2] = np.mgrid[0:nx, 0:ny].T.reshape(-1,2)
		fname = 'camera_cal/calibration%s.jpg' % str(k)
		img = cv2.imread(fname)
		gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
		# 棋盘格角点
		ret, corners = cv2.findChessboardCorners(gray, (nx, ny), None)

		if ret == True:
			objp_list.append(objp)
			corners_list.append(corners)
		else:
			print('Warning: ret = %s for %s' % (ret, fname))

	# 相机标定
	img = cv2.imread('test_images/straight_lines1.jpg')
	img_size = (img.shape[1], img.shape[0])
	ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objp_list, corners_list, img_size,None,None)

	return mtx, dist

法二：借助Matlab相机标定工具包，傻瓜式操作得到内参矩阵与畸变系数存入p文件
具体操作请看Matlab相机标定

二：ROI操作

设置mask，只保留车辆前方ROI区域，以便减小二值化处理的难度

def region_of_interest(img, vertices):
    mask = np.zeros_like(img)
    if len(img.shape) > 2:
        channel_count = img.shape[2]
        ignore_mask_color = (255,) * channel_count
    else:
        ignore_mask_color = 255
    cv2.fillPoly(mask, vertices, ignore_mask_color)
    masked_image = cv2.bitwise_and(img, mask)

    return masked_image

在这里插入图片描述

三：二值化操作

基于图像的梯度和颜色信息，进行二值化处理，阈值自行调整，初步定位车道线所在位置

# SobelX，SobelY梯度信息
def abs_sobel_thresh(img, orient='x', thresh_min=20, thresh_max=100):
	gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
	if orient == 'x':
		abs_sobel = np.absolute(cv2.Sobel(gray, cv2.CV_64F, 1, 0))
	if orient == 'y':
		abs_sobel = np.absolute(cv2.Sobel(gray, cv2.CV_64F, 0, 1))

	scaled_sobel = np.uint8(255*ab