如何使用OpenCV检测无车道线的车道 解决全边缘识别误判问题

• 新增感兴趣区域（ROI）掩码 #

  该方案是优化效果最明显的实现方式，车道仅会出现在摄像头视野下半部分的梯形区域，直接屏蔽其余区域的所有边缘即可过滤大部分无效识别结果，参考代码如下：

  import cv2
  import numpy as np
  
  def region_of_interest(img, vertices):
      mask = np.zeros_like(img)
      cv2.fillPoly(mask, vertices, 255)
      # 掩码和边缘检测结果做按位与，仅保留车道区域边缘
      return cv2.bitwise_and(img, mask)
  
  # 调用示例，顶点坐标可根据你的摄像头视角自行调整
  height, width = img.shape
  # 梯形顶点依次为：左下角、左上方拐点、右上方拐点、右下角
  roi_vertices = np.array([[
      (width*0.1, height),
      (width*0.45, height*0.6),
      (width*0.55, height*0.6),
      (width*0.9, height)
  ]], dtype=np.int32)
  edges = cv2.Canny(img, 50, 150)
  masked_edges = region_of_interest(edges, roi_vertices)
  

• 提前过滤非车道线颜色像素 #

  车道线基本为白色或黄色，可在HSV颜色空间提前提取对应颜色区域，过滤其余颜色像素后再做边缘检测，参考代码如下：

  hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
  # 白色阈值范围
  lower_white = np.array([0, 0, 200])
  upper_white = np.array([255, 30, 255])
  # 黄色阈值范围
  lower_yellow = np.array([20, 100, 100])
  upper_yellow = np.array([30, 255, 255])
  white_mask = cv2.inRange(hsv, lower_white, upper_white)
  yellow_mask = cv2.inRange(hsv, lower_yellow, upper_yellow)
  color_mask = cv2.bitwise_or(white_mask, yellow_mask)
  # 结合边缘检测结果，过滤非车道线区域的边缘
  filtered_edges = cv2.bitwise_and(edges, color_mask)
  

• 霍夫变换增加车道线特征约束 #

  检测线条时增加参数限制，排除角度、长度不符合车道线特征的无效线条，比如车道线斜率绝对值一般在0.5~2之间，过于平缓或过于陡峭的线条直接过滤：

  # 调整霍夫线检测参数，过滤短线条、间隙过大的线条
  lines = cv2.HoughLinesP(masked_edges, 1, np.pi/180, threshold=50, minLineLength=100, maxLineGap=50)
  valid_lines = []
  for line in lines:
      x1, y1, x2, y2 = line[0]
      # 计算斜率，避免分母为0
      if x2 == x1:
          continue
      slope = (y2 - y1)/(x2 - x1)
      # 仅保留斜率符合车道线特征的线条
      if 0.5 < abs(slope) < 2:
          valid_lines.append(line)
  

内容的提问来源于stack exchange，提问作者Huy Bùi Quốc