大約十年前，當(dāng)谷歌還在試驗(yàn)一輛原型車的時(shí)候，我想到了自己的第一輛自動(dòng)駕駛汽車，當(dāng)時(shí)我立刻被這個(gè)想法迷住了。不可否認(rèn)的是，我必須等待一段時(shí)間，直到這些概念向社區(qū)開放，現(xiàn)在看來等待確實(shí)是值得的

我最近試驗(yàn)了一些與計(jì)算機(jī)視覺有關(guān)的自動(dòng)駕駛汽車概念，里面包括車道檢測，它實(shí)際上是設(shè)計(jì)任何一款自主汽車的核心概念。以下是我們將在本視頻中構(gòu)建的車道檢測系統(tǒng)：https：／／youtu．be／sYhZbhT－Smw很酷，對(duì)吧？在這個(gè)教程中，我會(huì)使用OpenCV庫進(jìn)行車道檢測和自動(dòng)駕駛汽車。當(dāng)然，在本教程中，我們還將引入Python代碼。目錄車道檢測概念解釋問題陳述什么是幀掩碼？車道檢測的圖像預(yù)處理用OpenCV在Python中實(shí)現(xiàn)車道檢測。車道檢測概念解釋：那么什么是車道檢測？以下是百度百科對(duì)車道的定義：車道，又稱行車線、車行道，是用在供車輛行經(jīng)的道路，在一般公路和高速公路都有設(shè)置，高速公路對(duì)車道使用帶有法律性質(zhì)的規(guī)則，例如行車道和超車道。

對(duì)其進(jìn)行定義是很重要的，因?yàn)樗�使我們能夠繼續(xù)進(jìn)行車道檢測概念。我們在建立一個(gè)系統(tǒng)時(shí)不能有任何含糊不清的地方。正如我前面提到的，車道檢測是自動(dòng)駕駛汽車的關(guān)鍵組成部分，這是駕駛場景理解的重要研究課題之一。一旦獲得車道位置，車輛就知道去哪里，并避免撞上其他車道或離開道路。這樣可以防止駕駛員／車輛系統(tǒng)偏離車道。以下是一些隨機(jī)道路圖像（第一行）及其檢測到的車道（第二行）：

問題陳述我們希望執(zhí)行的任務(wù)是實(shí)時(shí)檢測視頻中的車道。我們可以通過多種方式進(jìn)行車道檢測，我們可以使用基于學(xué)習(xí)的方法，例如在帶注釋的視頻數(shù)據(jù)集上訓(xùn)練深度學(xué)習(xí)模型，或者使用預(yù)訓(xùn)練好的模型。然而，也有更簡單的方法來執(zhí)行車道檢測。在本文中，我將向你展示如何在不使用任何學(xué)習(xí)模型的情況下完成此任務(wù)。但是我們將使用Python中流行的OpenCV庫。下面是我們將要處理視頻的一個(gè)幀：

正如我們在這張圖片中看到的，我們有四條車道被白色的車道標(biāo)線隔開。所以，要檢測車道，我們就必須檢測車道兩邊的白色標(biāo)記。這就引出了一個(gè)關(guān)鍵問題——我們?nèi)绾螜z測車道標(biāo)線？除了車道標(biāo)線之外，場景中還有許多其他對(duì)象，如道路上有車輛、路側(cè)護(hù)欄、路燈等。在視頻中，每一幀都會(huì)有場景變化，這很好地反映了真實(shí)的駕駛情況。因此，在解決車道檢測問題之前，我們必須找到一種方法來忽略駕駛場景中不需要的對(duì)象。我們現(xiàn)在能做的一件事就是縮小感興趣的領(lǐng)域。與其使用整個(gè)幀，不如只使用幀的一部分。在下面的圖像中，除了車道的標(biāo)記之外，其他所有內(nèi)容都隱藏了。當(dāng)車輛移動(dòng)時(shí)，車道標(biāo)線將或多或少地落在該區(qū)域內(nèi)：

在下一節(jié)中，我將向你展示如何編輯視頻幀以選擇特定區(qū)域。你還將了解一些必要的圖像預(yù)處理操作。什么是幀掩碼（Frame Mask）？在這里，幀掩碼只是一個(gè)NumPy數(shù)組。當(dāng)我們想對(duì)圖像應(yīng)用掩碼時(shí)，只需將圖像中所需區(qū)域的像素值更改為0、255或任何其他數(shù)字。下面給出了一個(gè)圖像掩蔽的例子，圖像中某個(gè)區(qū)域的像素值已設(shè)置為0：

這是一種非常簡單但有效的從圖像中去除不需要的區(qū)域和對(duì)象的方法。車道檢測的圖像預(yù)處理我們將首先對(duì)輸入視頻中的所有幀應(yīng)用掩碼，然后我們將應(yīng)用圖像閾值化和霍夫線變換來檢測車道標(biāo)線。圖像閾值化在這種方法中，灰度圖像的像素值根據(jù)閾值被指定為表示黑白顏色的兩個(gè)值之一，因此如果一個(gè)像素的值大于一個(gè)閾值，它被賦予一個(gè)值，否則它被賦予另一個(gè)值。