c++ 车道线检测

article/2025/10/2 21:21:30

利用概率霍夫变换，进行车道线的简单检测
1、首先编写一个头文件（也可以在源文件中写一个类，一样的）

#ifndef LANE_H  //头文件的写法格式 if not define
#define LANE_H  //_LANE_H_ 为头文件Lane.h的大写，防止被重复引用（见CSDN）
//这里其实不用加ifndef，因为只有一个自定义的头文件
class Lane { //头文件中写一个类，其实不用头文件也行，预处理会自动copy过去
private:bool left_flag = true; //这里要设置为true，否则后头警告未初始化内存bool right_flag = true;double right_m, left_m; //定义在private中，定义在regression函数中会报错，未初始化内存public:cv::Mat noise(cv::Mat input_img);cv::Mat edgedetector(cv::Mat noise_img);cv::Mat ROI(cv::Mat edge_img);std::vector<cv::Vec4i> Hough(cv::Mat ROI_img);std::vector<std::vector<cv::Vec4i>> possibleline(std::vector<cv::Vec4i> lines, cv::Mat ROI_img);//筛选左右车道线的可能线std::vector<cv::Point> regression(std::vector<std::vector<cv::Vec4i>> out, cv::Mat ROI_img);void draw(cv::Mat input_img, std::vector<cv::Point> output);
};
#endif

2、opencv源文件

#include<opencv2/opencv.hpp>
#include<vector>
#include "Lane.h"
cv::Mat Lane::noise(cv::Mat input_img) {cv::Mat output_img;cv::GaussianBlur(input_img, output_img, cv::Size(3, 3), 0, 0);/*参数详解：InputArray src---- - 源图像OutputArray dst---- - 目标图像Size ksize----高斯内核大小，其中ksize.width和ksize.height可以不同，但是必须为正数和奇数，也可为零，均有sigma计算而来。double sigmaX----表示高斯函数在X方向的标准偏差double sigmaY----表示高斯函数在Y方向的标准偏差若sigma为零，就将它设为sigmaX, 如果两者均为零，就由ksize.width和ksize.height计算出来。int borderType---- - 用于推断图像外部像素的某种边界模式。默认值 BORDER_DEFAULT */std::cout << "noise function" << std::endl;return output_img;
}
cv::Mat Lane::edgedetector(cv::Mat noise_img) {//灰度化-二值化-边缘检测算子卷积cv::Mat output_img; //定义输出图片cv::Matx33f kernel(-1,0,1,-2,0,2,-1,0,1); //Matx<>为模板类,Matx33f为模板的实例//Matx为固定矩阵类，不用于大型矩阵，可用于滤波中的kernel等cv::cvtColor(noise_img, output_img,cv::COLOR_RGB2GRAY);cv::threshold(output_img,output_img,120,256,cv::THRESH_BINARY);//filter2D(src,dst,src.depth(),kernel);//其中src与dst是Mat类型变量，src.depth表示图深度，有32，24，8等cv::filter2D(output_img, output_img, output_img.depth(), kernel);std::cout << "edgedetector function" << std::endl;return output_img;
}
cv::Mat Lane::ROI(cv::Mat edge_img) {cv::Mat ROI_img;cv::Mat mask = cv::Mat::zeros(edge_img.size(), edge_img.type());cv::Point pts[4] = {cv::Point(210,720),cv::Point(550,450),cv::Point(717,450),cv::Point(1280,720)};cv::fillConvexPoly(mask,pts,4,cv::Scalar(255,0,0));cv::bitwise_and(edge_img, mask, ROI_img);std::cout << "ROI function" << std::endl;//cv::imshow("roi", ROI_img);return ROI_img;
}
std::vector<cv::Vec4i> Lane::Hough(cv::Mat ROI_img) { //概率霍夫变换//std::vector<cv::Vec4i>,HoughLinesP函数存储了检测到的线条的输出矢量，//每一条线由具有四个元素的矢量(x_1,y_1, x_2, y_2） 表示，其中，(x_1, y_1)和(x_2, y_2) 是是每个检测到的线段的结束点//vector中每个元素都是Vec4i类型的//由于不知道检测出的直线条数，使用vector动态分配元素个数std::vector<cv::Vec4i> lines; //定义此vector的名字为linescv::HoughLinesP(ROI_img,lines,1,CV_PI/180,20,20,30);std::cout << "Hough function" << std::endl;return lines;
}
std::vector<std::vector<cv::Vec4i>> Lane::possibleline(std::vector<cv::Vec4i> lines, cv::Mat ROI_img) {//之前一直报错，原来花括号的对应关系有问题//按照斜率、端点与图中心的位置来进行剔除，分类double slope_th = 0.3;  //设定斜率阈值double mid = ROI_img.cols / 2;  //计算中点，记得cols 加sstd::cout << "mid:  "<<mid << std::endl;std::vector<std::vector<cv::Vec4i>> out;std::vector<cv::Vec4i> left, right;std::vector<double> slope_ass;std::vector<cv::Vec4i> line;cv::Point ini, fin;int a = 0;for (auto i : lines) { //首先根据斜率剔除部分线条ini = cv::Point(i[0], i[1]);fin = cv::Point(i[2], i[3]);//double slope = (static_cast<double>(i[1]) - static_cast<double>(i[3])) / (static_cast<double>(i[0]) - static_cast<double>(i[2])+0.00001);double slope = (static_cast<double>(fin.y) - static_cast<double>(ini.y)) / (static_cast<double>(fin.x) - static_cast<double>(ini.x) + 0.00001);std::cout << "slope:" << slope << std::endl;if (std::abs(slope) > slope_th) {a++;slope_ass.push_back(slope);line.push_back(i);std::cout << "if2" << std::endl;}}std::cout << "a:  " << a << std::endl;std::cout << "line.size:   " << line.size() << std::endl; //接下来对剩下的线条进行分类for (size_t i = 0; i < line.size(); i++) {ini = cv::Point(line[i][0], line[i][1]);fin= cv::Point(line[i][2], line[i][3]);std::cout << "slope_ass:  " << slope_ass[i] << std::endl;std::cout << "ini.x:  " << ini.x << std::endl;std::cout << "fin.x:  " << fin.x << std::endl;std::cout << "=============== " << std::endl;if (slope_ass[i] < 0 && ini.x < mid && fin.x < mid) {std::cout << "左" << std::endl;left.push_back(line[i]);left_flag = true;}else if (slope_ass[i] > 0 && ini.x > mid && fin.x > mid) {std::cout << "右" << std::endl;right.push_back(line[i]);right_flag = true;}}//out[0] = left; //造成vector越界out.push_back(left);std::cout << "01"<<out.size() << std::endl;//out[1] = right;out.push_back(right);std::cout << "possibleline function" << std::endl;std::cout << "02"<<out.size() << std::endl; return out;
}
std::vector<cv::Point> Lane::regression(std::vector<std::vector<cv::Vec4i>> out, cv::Mat ROI_img) {//将所有分类线段的初始点和最终点提取出来，并使用最小二乘法从中拟合出一条新线std::vector <cv::Point> left,right;cv::Point left_point_init, right_point_init;cv::Point left_point_fin, right_point_fin;//double right_m, left_m;  //定义在private中，定义在regression函数中会警告，未初始化内存cv::Vec4f left_line, right_line; //根据编写时的提示，选择此类型，输出点集（一个是方向向量，另一个是拟合直线上的点）std::vector<cv::Point> output;std::cout << "!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!" <<out.size()<< std::endl;//if (left_flag == true) {for (auto i : out[0]) {std::cout << "123" << std::endl;std::cout << i[0]<<"  "<<i[1] << "  " << i[2] << "  " << i[3] <<std::endl;left_point_init=cv::Point (i[0], i[1]); //初始化point的两种方法cv::Point left_point_fin(i[2], i[3]);   //初始化point的两种方法left.push_back(left_point_init);left.push_back(left_point_fin);}std::cout << "before fitline test" << std::endl;cv::fitLine(left,left_line,cv::DIST_L2,0,0.01,0.01); //最小二乘法拟合 cv::DIST_L2//left_line为输出点集（一个是方向向量，另一个是拟合直线上的点）left_m = left_line[1] / left_line[0]; //通过输出的方向向量计算斜率std::cout << "左侧车道线斜率为：" << left_m << std::endl;//}//if (right_flag == true) {for (auto j : out[1]) {cv::Point right_point_init(j[0], j[1]);cv::Point right_point_fin(j[2], j[3]);right.push_back(right_point_init);right.push_back(right_point_fin);}cv::fitLine(right, right_line, cv::DIST_L2, 0, 0.01, 0.01);right_m = right_line[1] / right_line[0];std::cout <<"右侧车道线斜率为："<< right_m << std::endl;//}//根据拟合的斜率与直线上的一个点的坐标，计算直线方程，并计算最终车道线两个中点的位置int final,init; //size_t，c++11中的类型，这里可以看作intinit = ROI_img.rows;final =465; //车道线终点的row坐标//根据左右车道线上的已知点，斜率，计算init与final的col坐标double right_ini_x = ((init - static_cast<double>( right_line[3])) / right_m) + static_cast<double>(right_line[2]);//加static_cast<double>(right_m)后不报错了double right_fin_x = ((final - static_cast<double>(right_line[3])) / right_m) + static_cast<double>(right_line[2]);double left_ini_x = ((init - static_cast<double>(left_line[3])) / left_m) + static_cast<double>(left_line[2]);double left_fin_x = ((final - static_cast<double>(left_line[3])) / left_m) + static_cast<double>(left_line[2]);//output[0] = cv::Point(right_ini_x, init);//output[1] = cv::Point(right_fin_x, final);//output[2] = cv::Point(left_ini_x, init);//output[3] = cv::Point(left_fin_x, final); //vector越界，报错，应该用push_back添加output.push_back(cv::Point(right_ini_x, init));output.push_back(cv::Point(right_fin_x, final)); //这里送入vector的顺序也有讲究，必须能一笔框住整个填充的区域output.push_back(cv::Point(left_fin_x, final));output.push_back(cv::Point(left_ini_x, init));std::cout << "regression function" << std::endl;return output;
}
void Lane::draw(cv::Mat input_img, std::vector<cv::Point> output) {cv::Mat out_img;input_img.copyTo(out_img);cv::fillConvexPoly(out_img, output, cv::Scalar(0, 255, 0)); //output定义时送入vector的顺序也有讲究，必须能一笔框住整个填充的区域cv::addWeighted(out_img, 0.3, input_img, 1.0 - 0.3, 0, input_img);cv::line(input_img, output[0], output[1], cv::Scalar(0, 0, 255), 5);cv::line(input_img, output[2], output[3], cv::Scalar(0, 0, 255), 5);cv::namedWindow("result", cv::WINDOW_AUTOSIZE);std::cout << "draw function" << std::endl;cv::namedWindow("result", cv::WINDOW_AUTOSIZE);cv::imshow("result", input_img);cv::waitKey(0);cv::imwrite("result.jpg",input_img);
}
int main() {cv::Mat img= cv::imread("D:\\study\\project\\origin_data24\\3.jpg");//路径格式注意//std::cout << img.rows << "  " << img.cols << std::endl;//cv::namedWindow("img", cv::WINDOW_AUTOSIZE);//cv::imshow("img",img);cv::Mat input_img;img.copyTo(input_img);std::vector<cv::Vec4i> lines;std::vector<std::vector<cv::Vec4i>> out;std::vector<cv::Point> output;if (img.empty()) return -1;Lane lane; //实例化类img = lane.noise(img);img = lane.edgedetector(img);img = lane.ROI(img);lines = lane.Hough(img);out=lane.possibleline(lines, img);output = lane.regression(out, img);lane.draw(input_img,output);return 0;
}

以上是处理单帧图片，在视频流处理的时候，主函数换为：

int main() {cv::VideoCapture cap("D:\\study\\baidu_lane.mp4"); //构造读取视频的对象，并构造函数赋值if (!cap.isOpened()) {throw "the video is not opened"; //抛出一个异常信息return -1;}cv::VideoWriter video_out;cv::Size size = cv::Size(cap.get(cv::CAP_PROP_FRAME_WIDTH), cap.get(cv::CAP_PROP_FRAME_HEIGHT)); //定义输出的尺寸大小，这里与读取的一样video_out.open("D:\\study\\baidu_lane_result.avi", video_out.fourcc('M', 'J', 'P', 'G'), 10, size, true);//保存的视频格式一定为avi，mp4不行貌似！！！//保存的视频格式一定为avi，mp4不行貌似！！！//保存的视频格式一定为avi，mp4不行貌似！！！cv::Mat img;std::vector<cv::Vec4i> lines;std::vector<std::vector<cv::Vec4i>> out;std::vector<cv::Point> output;Lane lane; //实例化类int num = 0;  //由于方法比较简单，没考虑复杂情况，这里设定num<500，即只处理500帧图片while (cap.read(img)&& num<500) {cv::Mat input_img;img.copyTo(input_img);img = lane.noise(img);img = lane.edgedetector(img);img = lane.ROI(img);lines = lane.Hough(img);if (!lines.empty()) {    //视频处理的情况比较复杂，要考虑有些情况下未检测到车道线out = lane.possibleline(lines, img);output = lane.regression(out, img);lane.draw(input_img, output);}video_out.write(input_img);num++;}cap.release(); //一定要释放！！！return 0;
}

3、报错总结
1、花括号{ }嵌套时注意对应关系
2、vector越界 报错：vector subscripts out of range
以下两种vector添加元素的方法都是正确的：
<1>、

std::vector<int> a(2); //事先声明了两个元素的内存
a[0]=1;//直接赋值就行
a[1]=2;
//a[2]=2; //越界了

<2>、

std::vector<int> a;
a.push_back(1);
a.push_back(2);

（犯的错误）下面这样前两个元素都没有被赋值：

std::vector<int> a(2);//已经声明了两个元素的内存
a.push_back(1); //添加第三个元素，并赋值为1
a.push_back(2);//添加第四个元素，并赋值为2

下面这样也是错误的（越界）：未初始化内存区域直接赋值

	std::vector<int> m;m[0] = 1;m[1] = 8;

可以参考这个：
vector的越界问题

3、读取文件的路径
4、类外定义函数忘记加类名
5、fillConvexPoly区域填充，定义点的vector时，顺序有讲究，必须能一笔框住整个填充的区域
4、其他
size_t的使用
auto在for循环中的使用
cv::Vec 与cv::Point
static_cast强制类型转换
5、结果图
在这里插入图片描述


http://chatgpt.dhexx.cn/article/2s9PuKKR.shtml

相关文章

简述车道线检测

简述车道线检测

针对车道线检测的任务&#xff0c;我们需要弄清楚几个问题&#xff1a; 1. 车道线的表示形式&#xff1f; 输出类型&#xff1a;掩码/点集/矢量线条实例化&#xff1a;每个车道线是否形成实例分类&#xff1a;是否对车道线进行了分类&#xff08;单白、双黄等&#xff09;提前定…
阅读更多...
PaddleSeg：车道线检测

PaddleSeg：车道线检测

向AI转型的程序员都关注了这个号&#x1f447;&#x1f447;&#x1f447; 0.1 任务 要求参赛者利用提供的训练数据&#xff0c;设计一个车道线检测和分类模型&#xff0c;来检测测试数据中车道线的具体位置和类别。样例示范&#xff1a; 0.2 数据集描述 本次赛题数据集包括x张…
阅读更多...
3D车道线检测杂记

3D车道线检测杂记

3D车道线检测相关论文学习 单目 一、3D-LaneNet: End-to-End 3D Multiple Lane Detection-ICCV2019 0 前言 这篇文章是第一篇通过单目前视相机直接预测3D车道线的论文。 一般想得到3D车道线信息有两种途径&#xff1a; 一种是利用离线高精度地图以及准确的自车定位信息&a…
阅读更多...
车道线检测-LSTR-论文学习笔记

车道线检测-LSTR-论文学习笔记

论文&#xff1a;《End-to-end Lane Shape Prediction with Transformers》代码&#xff1a;https://github.com/liuruijin17/LSTR地址&#xff1a;https://arxiv.org/abs/2011.04233v2内容&#xff1a;使用 CNNTransformer&#xff0c;基于三次曲线拟合车道线 整体结构 模型输…
阅读更多...
车道线检测学习总结

车道线检测学习总结

之前学习了一个非常酷炫的车道线检测项目&#xff1a;Advanced Lane Finding Project 现在写一个学习笔记&#xff0c;备注一下&#xff0c;方便以后复习&#xff1a; 项目总体流程如下&#xff1a; 第一步&#xff0c;采用棋盘对相机进行校正&#xff1a; 第二步&#xff0c;对…
阅读更多...
2D车道线检测算法总结

2D车道线检测算法总结

关于2D车道线检测算法的总结主要分为两类&#xff1a;一类基于语义分割来做&#xff0c;一类基于anchor和关键点来做。还有基于曲线方程来做的&#xff0c;但是落地的话还是上面两种为主。 一、基于语义分割的车道线检测算法 1.LaneNet 论文创新点&#xff1a; 1.将车道线检…
阅读更多...
车道线检测-Eigenlanes 论文学习笔记

车道线检测-Eigenlanes 论文学习笔记

论文&#xff1a;《Eigenlanes: Data-Driven Lane Descriptors for Structurally Diverse Lanes》 代码&#xff1a;https://github.com/dongkwonjin/Eigenlanes 核心&#xff1a;在 Eigenlane Space 中检测车道线 创新点 Eigenlane&#xff1a;数据驱动的车道描述符&#xff…
阅读更多...
OpenCV的车道线检测

OpenCV的车道线检测

资源下载地址&#xff1a;https://download.csdn.net/download/sheziqiong/85604275 资源下载地址&#xff1a;https://download.csdn.net/download/sheziqiong/85604275 final_mark.py是最终&#xff0c;前面的都是一部分一部分测试的功能&#xff0c;用的是霍夫变换拟合&…
阅读更多...
动手学无人驾驶（7）：车道线检测

动手学无人驾驶（7）：车道线检测

最近在研究视觉语义地图&#xff0c;需要进行车道线检测&#xff0c;发现这篇车道线检测论文效果蛮好的 &#xff08;Ultra Fast Structure-aware Deep Lane Detection&#xff09;。论文作者在知乎上已经介绍过了&#xff1a;https://zhuanlan.zhihu.com/p/157530787&#xff…
阅读更多...
高级车道线检测

高级车道线检测

基于图像处理相关技术的高级车道线检测&#xff08;可适用于弯道&#xff0c;车道线颜色不固定&#xff0c;路面阴影&#xff0c;亮光&#xff09; pipeline&#xff1a; 1.校准摄像头的畸变&#xff0c;使拍摄照片能够较完整的反映3D世界的情况 2.对每一帧图片做透视转换(pers…
阅读更多...
传统方法车道线标注及相关知识

传统方法车道线标注及相关知识

目录 一、图像二值化处理 1.Sobel算子绝对值 2.Sobel算子 3.倾斜角度 4.HLS颜色空间 5.二值图结合 二、车道线分割 1.仿射变换 2.车道线直方图 3.滑动窗口寻找车道线 4.车道线拟合 5.车道线区域标注 一、图像二值化处理 主要目的是通过二值化图像&#xff0c;使得车…
阅读更多...
学习笔记之车道线相关记录

学习笔记之车道线相关记录

一. 车道线相关的知识 &&1.标线的分类 以下分类来自于百科&#xff1a; 按照道路交通标线的功能划分为&#xff1a;指示标线、警告标线和禁止标线。 按标划方法可分为&#xff1a;白色虚线、白色实线、黄色虚线、黄色实线、双白虚线、双白实线、双黄虚线和双黄实线…
阅读更多...
关于python 最简单封装实例

关于python 最简单封装实例

一、 #定义一个类 class Person: #init是定义类实例初始化函数 ,没有返回return def __init__(self,name,area): self.name name self.area area #类里面定义方法 def run(self): print(self.name) …
阅读更多...
Python软件封装打包

Python软件封装打包

作者&#xff1a;Naples 链接&#xff1a;https://www.zhihu.com/question/32703639/answer/165326590 来源&#xff1a;知乎 著作权归作者所有。商业转载请联系作者获得授权&#xff0c;非商业转载请注明出处。 Python Tkinter打包封装的方法有&#xff1a;PyInstaller, py…
阅读更多...
Python封装、继承和多态

Python封装、继承和多态

Python 语言在设计之初&#xff0c;就定位为一门面向对象的编程语言&#xff0c;“Python 中一切皆对象”。同时&#xff0c;Python 也支持面向对象的三大特征&#xff1a;封装、继承和多态。 一、封装 封装&#xff08;Encapsulation&#xff09;&#xff0c;即在设计类时&am…
阅读更多...
python程序封装

python程序封装

python程序封装1 报错请执行pip install --upgrade setuptools 和 pip install --upgrade wheel 步骤如下&#xff1a; &#xff08;1&#xff09;安装pyinstaller&#xff0c;可以直接在cmd命令行中&#xff0c;输入命令“pip install pyinstaller”&#xff0c;安装pyinsta…
阅读更多...
python封装程序

python封装程序

#终端/cmd命令下&#xff1a; 1.安装python Welcome to Python.org 2.安装pip pip PyPI 下载get-pip.py 在cmd窗口下执行&#xff0c;python */*/get-pip.py&#xff08;*为文件所在位置&#xff09; *如果安装好后出现 不是内部命令的情况 需要在环境中添加&#xff…
阅读更多...
制作python包，封装成可用模块

制作python包，封装成可用模块

制作python包&#xff0c;封装成可用模块 首先编写py程序: printtest.py #coding: utf-8 def test():print(print test)if __name__ __main__:test() 将以上.py文件做成python模块&#xff0c;需要在相同目录下创建setup.py文件&#xff0c;setup.py中输入配置信息: #cod…
阅读更多...
Python 程序封装-打包成exe程序

Python 程序封装-打包成exe程序

Python 程序封装-打包成exe程序 前言一、 Python 打包工具—Pyinstaller二、打包具体过程1. 打包成仅包含一个独立的exe程序2. 打包成包含文件夹的程序&#xff0c;内有相关的依赖库&#xff08;推荐&#xff09;3. 其他的打包命令 三、注意事项 欢迎学习交流&#xff01; 邮箱…
阅读更多...
怎么python程序封装？此文详解

怎么python程序封装？此文详解

python程序封装1 步骤如下： （1）安装pyinstaller，可以直接在cmd命令行中，输入命令“pip install pyinstaller”，安装pyinstaller （2）进入py代码的保存目录，这里py代码放在“E:\python学习\python_work” （3）cmd，输入命令：e:，进入e盘 （4）继续输入：E:\pytho…
阅读更多...
推荐文章

Copyright @ 2022~2023