【计算机视觉】OpenCV实战项目-AdvancedLaneDetection 车道检测

AdvancedLaneDetection 项目解析

- - 项目概述
  - 项目结构
  - 功能和步骤
  - 依赖项
  - 使用方法
  - 项目特点
  - 改进建议
  - 结论
  - 运行项目
  - - [1. 克隆项目仓库](#1. 克隆项目仓库)
    - [2. 安装依赖项](#2. 安装依赖项)
    - [3. 准备数据](#3. 准备数据)
    - [4. 运行项目](#4. 运行项目)
    - [5. 调整配置（可选）](#5. 调整配置（可选）)
    - [6. 查看结果](#6. 查看结果)
    - [7. 调试和测试](#7. 调试和测试)
    - [8. 常见问题及解决方法](#8. 常见问题及解决方法)
    - - [问题 1：OpenCV 未安装](#问题 1：OpenCV 未安装)
      - [问题 2：MoviePy 未安装](#问题 2：MoviePy 未安装)
      - [问题 3：np.int报错"AttributeError: module 'numpy' has no attribute 'int'."](#问题 3：np.int报错“AttributeError: module 'numpy' has no attribute 'int'.”)
      - [问题 4：文件路径错误](#问题 4：文件路径错误)
      - [问题 5：依赖项版本冲突](#问题 5：依赖项版本冲突)
    - [9. 进一步探索](#9. 进一步探索)

项目概述

AdvancedLaneDetection 是一个基于 Python 的计算机视觉项目，旨在通过 OpenCV 和其他图像处理技术检测车道线并突出显示车道区域。该项目受到 Udacity 自动驾驶汽车纳米学位课程中"Advanced Lane Lines"项目的启发。

项目结构

src：主要项目目录，核心代码位于 laneDetection.py，支持函数在 preprocess.py 和
calibrateCamera.py 中。
data：包含样本数据，用于实验。如果使用新的视频数据，需要更新 main.py 中的文件名。
data/calibration：存储用于相机校准的棋盘格图像。

功能和步骤

相机校准：计算相机校准矩阵和畸变系数，使用一组棋盘格图像。畸变校正：对原始图像应用畸变校正。
二值化处理：通过颜色变换、梯度等方法创建阈值化的二值图像。透视变换：应用透视变换将二值图像转换为"鸟瞰图"。
车道线检测：使用滑动窗口方法检测车道像素并拟合车道边界。曲率和车辆位置计算：确定车道的曲率和车辆相对于中心的位置。
结果可视化：将检测到的车道边界重新映射回原始图像，并输出车道边界和曲率、车辆位置的数值估计。

依赖项

复制代码

Python 3
OpenCV
NumPy
Matplotlib
MoviePy

使用方法

克隆项目仓库。
打开 src 目录，在 IDE 中开始 main.py。
运行项目。
如果需要在自己的视频上测试，更新 data 目录中的文件名。

项目特点

该项目不仅检测车道线，还计算车道的曲率和车辆位置。
使用了多种图像处理技术，如颜色变换、梯度计算、透视变换等。
适用于自动驾驶车辆和驾驶辅助系统。

改进建议

自动调整搜索窗口宽度，以适应车道宽度变化。
开发更灵活的车道线提取方法，以适应不同光照条件。
应用其他计算机视觉技术，以增强算法在图像噪声增加时的鲁棒性。

结论

AdvancedLaneDetection 项目通过结合多种计算机视觉技术，实现了对车道线的准确检测和车道曲率的计算。该项目在没有相机参数的情况下也能准确检测车道线，具有较高的鲁棒性

好的！以下是补充的详细运行步骤，帮助你顺利运行 AdvancedLaneDetection 项目：

运行项目

1. 克隆项目仓库

首先，你需要从 GitHub 上克隆项目仓库到本地。以下是克隆的命令：

bash 复制代码

git clone https://github.com/KushalBKusram/AdvancedLaneDetection.git

2. 安装依赖项

进入项目目录，安装所需的 Python 包。推荐使用虚拟环境来管理依赖项。

创建虚拟环境（可选）

bash 复制代码

python -m venv venv

激活虚拟环境

Windows ：
bash 复制代码
```
venv\Scripts\activate
```
macOS/Linux ：
bash 复制代码
```
source venv/bin/activate
```

安装依赖项

bash 复制代码

pip install numpy opencv-python matplotlib moviepy

3. 准备数据

确保项目目录中的 data 文件夹包含所需的图像和视频文件。如果需要使用自己的数据，可以将文件替换到 data 文件夹中，并更新 main.py 中的文件路径。

4. 运行项目

进入 src 目录，运行主程序：

bash 复制代码

cd AdvancedLaneDetection/src
python main.py

5. 调整配置（可选）

如果你需要使用自己的视频或图像文件，可以修改 main.py 中的文件路径。例如：

python 复制代码

# 修改视频文件路径
video_path = '../data/project_video.mp4'

6. 查看结果

运行程序后，程序会处理视频文件，并在控制台输出车道的曲率和车辆位置信息。处理后的视频会保存到 output 文件夹中。

7. 调试和测试

如果你遇到任何问题，可以逐步调试代码。例如：

检查相机校准是否成功。
检查二值化处理的效果。
检查透视变换是否正确。

8. 常见问题及解决方法

问题 1：OpenCV 未安装

如果运行时提示 ModuleNotFoundError: No module named 'cv2'，请确保 OpenCV 已正确安装：

bash 复制代码

pip install opencv-python

问题 2：MoviePy 未安装

如果运行时提示 ModuleNotFoundError: No module named 'moviepy'，请安装 MoviePy：

bash 复制代码

pip install moviepy

# 如果你仍然遇到问题，可能是 moviepy 2.0.0 版本引入了不兼容的更改。你可以回退到 1.0.3 版本，这是 moviepy 1.x 系列中的一个稳定版本，能够兼容原有的导入方式。
# 卸载当前版本，并安装 moviepy 1.0.3：
pip uninstall moviepy
pip install moviepy==1.0.3

问题 3：np.int报错"AttributeError: module 'numpy' has no attribute 'int'."

将代码中的np.int() 改为int()

问题 4：文件路径错误

确保 main.py 中的文件路径正确。如果路径错误，程序会报错。

问题 5：依赖项版本冲突

如果你遇到依赖项版本冲突，可以尝试更新所有依赖项：

bash 复制代码

pip install --upgrade numpy opencv-python matplotlib moviepy

9. 进一步探索

调整参数 ：你可以调整 preprocess.py 和 laneDetection.py 中的参数，以优化车道检测的效果。
实验不同数据：尝试使用不同的视频或图像文件，测试算法的鲁棒性。
改进算法：根据项目的改进建议，尝试实现更高级的车道检测算法。