车道检测噪声去除

Question

我正在尝试进行车道检测，代码如下，我在canny边缘检测的o/p上应用了HoughLinesP。所以这个想法是只显示那些线（通常出现在视频上+更可能是一条车道，即通过拾取角度）。我不想使用任何机器学习算法。所以请帮忙..以下是详细信息：代码 ：import timeimport numpy as npimport matplotlib.pyplot as pltvid = cv2.VideoCapture('4.mp4')while True:    #cv2.namedWindow('frame',cv2.WINDOW_NORMAL)    ret, img_color = vid.read()    if not ret:        vid = cv2.VideoCapture('5.mp4')        continue    num_rows, num_cols = img_color.shape[:2]    rotation_matrix = cv2.getRotationMatrix2D((num_cols/2, num_rows/2), 270, 0.56)  #3    img_rotated = cv2.warpAffine(img_color, rotation_matrix, (num_cols, num_rows))    height, width = img_rotated.shape[:2]    img_resize = cv2.resize(img_rotated,(int(0.8*width), int(0.8*height)), interpolation = cv2.INTER_CUBIC) #2    img_clone = img_resize[10:842,530:1000].copy()    img_roi = img_resize[10+250:842-200,530:1000]    img_gray = cv2.cvtColor(img_roi,cv2.COLOR_BGR2GRAY) #1    kernel = [  [0,-1,0],   [-1,5,-1],  [0,-1,0]    ]    kernel = np.array(kernel)    img_sharp = cv2.filter2D(img_gray,-1,kernel)    blur = cv2.GaussianBlur(img_sharp,(5,5),0)    img_canny = cv2.Canny(blur,130,170, apertureSize = 3)   #4    lines = cv2.HoughLinesP(img_canny, 1, np.pi/180, 60, maxLineGap = 240)    if lines is not None:        print(len(lines))        for line in lines:            x1,y1,x2,y2 = line[0]            cv2.line(img_clone, (x1,y1+250), (x2,y2+250), (0,255,0), 2)            #cv2.line(img_clone, (x1,y1), (x2,y2), (255,255,0), 3)    cv2.imshow('frame',img_clone)    cv2.imshow('frame2', img_canny)    k = cv2.waitKey(35) & 0xFF    if k==27 :        breakvid.release()   cv2.destroyAllWindows() 在 4.mp4 中，您可以看到，在运行此代码后，几秒钟后，一个人进来了，因为 Canny 检测到该区域中有如此多的边缘，因此有很多行，其次我已经固定了我想要的图像区域是动态的，这个想法是在更可能的车道的基础上设置图像区域。还有一串线出现，我想把它缩短成更可能的线。感谢您的阅读。

Answer 1

你不会得到更好的结果。这只是您问题的性质。您现在必须着手创建车道的数学模型，并使用您的霍夫线来修正该模型。

例如，您可以使用卡尔曼滤波器在图像的某些波段中跟踪车道。然后，当您观察在观察带周围预期角度内的线段时，您可以使用此过滤器的预测步骤。