如何优化OpenCV代码实现右侧驾驶场景下路缘线检测与绘制？

我来帮你搞定这个路缘检测的问题！当前你只得到零散短绿线的核心问题是没针对红色路缘做颜色过滤，加上边缘检测和霍夫线的参数没适配路缘场景，导致无关边缘干扰了检测结果。下面是一步步的修改方案：

1. 先提取红色路缘区域（最关键的一步） #

直接对全图做边缘检测会把路面、左侧路缘甚至其他杂物的边缘都捡出来，我们要先把红色路缘单独抠出来。用HSV颜色空间比RGB更适合做颜色分割，因为它对光照变化更鲁棒：

import cv2
import numpy as np

img = cv2.imread(r"E:\test_opencv\images\testcanny.jpg")
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设定红色的HSV阈值（红色在HSV里有两个区间）
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

# 合并两个红色区间的掩码
mask1 = cv2.inRange(hsv_img, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv_img, lower_red2, upper_red2)
red_mask = cv2.bitwise_or(mask1, mask2)

# 用掩码提取红色区域
red_region = cv2.bitwise_and(img, img, mask=red_mask)

2. 优化边缘检测参数 #

现在只对红色区域做边缘检测，Canny的阈值要调低（之前的250/450太高，会把路缘的弱边缘过滤掉）：

# 对红色区域做模糊，减少噪声
blur_img = cv2.GaussianBlur(red_region, (5, 5), 0)
# 降低Canny阈值，保留更多路缘边缘
edges = cv2.Canny(blur_img, 50, 150, apertureSize=3)

3. 调整霍夫线参数并筛选右侧路缘 #

HoughLinesP的参数需要适配你的路缘场景，而且要筛选出右侧的垂直/接近垂直的直线（路缘一般是纵向的）：

# 调整HoughLinesP参数：threshold降低，minLineLength缩短一点（如果路缘不是特别长）
minLineLength = 200
maxLineGap = 30
threshold = 40
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold, minLineLength, maxLineGap)

# 筛选右侧路缘的直线：斜率绝对值大（接近垂直），且x坐标偏右
right_lane_lines = []
if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        # 计算斜率（避免除以0，用dx判断）
        dx = x2 - x1
        if dx == 0:
            # 垂直直线，直接算x坐标
            x_pos = x1
        else:
            slope = (y2 - y1) / dx
            # 斜率绝对值大于3，说明接近垂直
            if abs(slope) > 3:
                # 取直线的平均x坐标，判断是否在图像右侧（比如右半部分）
                x_pos = (x1 + x2) / 2
                if x_pos > img.shape[1] / 2:
                    right_lane_lines.append(line[0])

# 把筛选后的右侧路缘直线画成绿色，或者合并成一条连贯的线
# 这里我们可以把所有右侧直线画出来，或者计算平均位置画一条主线
for x1, y1, x2, y2 in right_lane_lines:
    cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 4)

# 如果你想得到一条统一的路缘线，可以计算所有右侧直线的平均x坐标，然后画一条纵向线
if right_lane_lines:
    avg_x = int(np.mean([(x1+x2)/2 for x1,y1,x2,y2 in right_lane_lines]))
    # 从图像底部画到顶部
    cv2.line(img, (avg_x, img.shape[0]), (avg_x, 0), (0, 255, 0), 6)

4. 最终显示结果 #

cv2.imshow('Red Mask', red_mask)
cv2.imshow('Edges', edges)
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键调整说明 #

• 颜色过滤：这是解决问题的核心，先把红色路缘从背景中分离出来，避免无关边缘干扰。你可以根据实际场景调整HSV的红色阈值（比如调整120、70这些数值，直到红色路缘被完整覆盖）。
• 参数适配：Canny阈值、HoughLinesP的threshold、minLineLength都需要根据你的实际图像调整——如果路缘比较短，就把minLineLength调小；如果噪声多，就提高threshold。
• 右侧路缘筛选：通过斜率和x坐标筛选，确保只保留右侧的纵向路缘，这是实现沿右侧路缘行驶的关键。

如果要移植到ROS中，只需要把cv2.imread换成ROS图像订阅的回调函数，把图像消息转换成OpenCV格式，然后把检测到的路缘位置（比如avg_x）发布成ROS话题，让车辆控制节点根据这个位置调整行驶方向即可。

内容的提问来源于stack exchange，提问作者user9270170