深入浅出自动驾驶（一）-图像识别
这是自动驾驶的系列文章。自动驾驶的第一步是什么呢？当然，是识别当前环境，具体来说就是识别自己的正确道路-车道线，入下图所示
1 转为灰度图
彩色的图是没法识别出车道线的，所以我们需要把他转化为黑白的图像，入下图所示
loop 读取图像中的每一个像素
像素RGB < 阀值 #纯白是255,255,255
该像素 ＝ 黑色
end loop
2 将车道线叠加原图
当然，简简单单的识别出道路是不行的，我们还需要在原图中叠加道路，如上图所示，主要是一些裁剪合并之类的动作了。
3 边缘发现
之前的车道线都是白的，所以挺好做的，但是很不幸的是，车道并非都是白的，我们很可能遇到其它颜色的，而且有时候并不完整，如下图所示，所以我们需要其它的方法，比如说“边缘发现”
python提供了一个包，openCV，我们可以使用这个包来协助开发，在开发过程中还需要进行一些处理，其伪码如下
1 将整个图像转为灰度图，毕竟不需要那么多丰富的颜色 2 进行简单的高斯模糊：GaussianBlur，以减少照片噪声和细节 3 进行边缘发现
最终我们会得出如下图所示的结果
4 使用Hough Transform辨别车道线
进行边缘发现之后识别出车道线，如何识别车道线呢？车道线实际上在图像中表现为一条直线，所以我们的目标就是识别出长直线，所以，我们的目标就是识别出长直线的模式。
我们会用到一种叫做Hough Transform的方法，它是在1962有Hough发明的，它会把 y=mx+b映射成 b=xm+y,将直线变换成点，然后进行识别，如下图所示，车道线是一条路
然后把这条路映射成点
以方便识别
进行Hough Transfom后会变成这个样子
而后我们进行优化，好了后会变成这样
这样，我们就成功的识别出了车道线
(完）
这是自动驾驶的系列文章。自动驾驶的第一步是什么呢？当然，是识别当前环境，具体来说就是识别自己的正确道路-车道线，入下图所示 1 转为灰度图 彩色的图是没法识别出车道线的，所以我们需要把他转化为黑白的图像，入下图所示 loop 读取图像中的每一个像素 像素RGB < 阀值 #纯白是255,255,255 该像素 ＝ 黑色 end loop 2 将车道线叠加原图 当然，简简单单的识别出道路是不行的，我们还需要在原图中叠加道路，如上图所示，主要是一些裁剪合并之类的动作了。 3 边缘发现 之前的车道线都是白的，所以挺好做的，但是很不幸的是，车道并非都是白的，我们很可能遇到其它颜色的，而且有时候并不完整，如下图所示，所以我们需要其它的方法，比如说“边缘发现” python提供了一个包，openCV，我们可以使用这个包来协助开发，在开发过程中还需要进行一些处理，其伪码如下 1 将整个图像转为灰度图，毕竟不需要那么多丰富的颜色 2 进行简单的高斯模糊：GaussianBlur，以减少照片噪声和细节 3 进行边缘发现 最终我们会得出如下图所示的结果 4 使用Hough Transform辨别车道线 进行边缘发现之后识别出车道线，如何识别车道线呢？车道线实际上在图像中表现为一条直线，所以我们的目标就是识别出长直线，所以，我们的目标就是识别出长直线的模式。 我们会用到一种叫做Hough Transform的方法，它是在1962有Hough发明的，它会把 y=mx+b映射成 b=xm+y,将直线变换成点，然后进行识别，如下图所示，车道线是一条路 然后把这条路映射成点 以方便识别 进行Hough Transfom后会变成这个样子 而后我们进行优化，好了后会变成这样 这样，我们就成功的识别出了车道线 (完）
上一篇：
JS实现多线程数据分片下载
下一篇：
matlab练习程序（中值滤波）