再识图像之高级车道线检测.pdfVIP

临菲信息技术港 2019.04.19 无人驾驶技术入门 （十五） 再识图像之高级车道线检测 陈 光 上一期的 《无人驾驶技术入门 （十四）|初识图像之初级车道线检测》，我 对计算机视觉技术的一些基本理论和OpenCV 库的使用进行了分享。这些技术包 括图像的灰度处理、边缘提取算法、霍夫变换直线检测算法以及数据的后处理方 法。应用这些技术后，可以将图像中近似直线的车道线检测出来。检测的效果如 下图红线所示。 在上一期的末尾，我们从边缘提取算法和霍夫变换直线检测的原理上，讨论 了为什么以上算法无法处理光照条件变化剧烈和弯道的场景。 在本次分享中，我将以优达学城(Udacity)无人驾驶工程师学位中提供的高级 车道线检测项目为例，介绍普适性更好，且更为鲁棒的车道线检测技术，用于处 理那些无人驾驶中常见的（如路面颜色变化、路边障碍物阴影等导致的）光线变 化剧烈和弯道的场景。 按照惯例，在介绍计算机视觉技术前，我们先讨论一下这次分享的输入和输 出。 1/ 43 临菲信息技术港 2019.04.19  输入 一个连续的视频，视频中的左车道线为黄色实线，右车道线为白色虚线。无 人车会经过路面颜色突变、路边树木影子干扰、车道线不清晰和急转弯的路况。 （视频大小7.25M） 视频出处： /?target https%3A///udacity/CarND-Adv anced-Lane-Lines/blob/master/project_video.mp4  输出 左、右车道线的三次曲线方程，及其有效距离。最后将车道线围成的区域显 示在图像上，如下图所示。 2/ 43 临菲信息技术港 2019.04.19 输入和输出都定义清楚后，我们开始探讨高级车道线检测的算法，并对每帧 视频图像中的车道线进行检测。 1 摄像机标定 相信大家都多少听说过鱼眼相机，最常见的鱼眼相机是辅助驾驶员倒车的后 向摄像头。也有很多摄影爱好者会使用鱼眼相机拍摄图像，最终会有高大上的大 片效果，如下图所示。 图片来源 ：优达学城(Udacity)无人驾驶工程师课程 使用鱼眼相机拍摄的图像虽然高大上，但存在一个很大的问题——畸变 (Distortion)。如上图所示，走道上的栏杆应该是笔直延伸出去的。然而，栏杆在 图像上的成像却是弯曲的，这就是图像畸变，畸变会导致图像失真。 使用车载摄像机拍摄出的图像，虽然没有鱼眼相机的畸变这么夸张，但是畸 变是客观存在的，只是人眼难以察觉。使用有畸变的图像做车道线的检测，检测 结果的精度将会受到影响，因此进行图像处理的第一步工作就是去畸变。 为了解决车载摄像机图像的畸变问题，摄像机标定技术应运而生。 3/ 43 临菲信息技术港 2019.04.19 摄像机标定是通过对已知的形状进行拍照，通过计算该形状在真实世界中位 置与在图像中位置的偏差量 （畸变系数），进而用这个偏差量去修正其他畸变图 像的技术。 原则上，可以选用任何的已知形状去校准摄像机，不过业内的标定方法都是 基于棋盘格的。因为它具备规则的、高对比度图案，能非常方便地自动化检测各 个棋盘格的交点，十分适合标定摄像机的标定工作。如下图所示为标准的10x7 （7 行10 列）的棋盘格。 OpenCV 库为摄像机标定提供了函数cv2.findChe