车道保持中车道线识别

需要让小车保持车道行驶，首先需要进行车道线识别。

也可参看论文（上传到资源里）：自动驾驶汽车车道检测与预测的技术解析-基于图像处理和Hough变换的方法

1 车道识别流程

想进行车道线识别，并且希望在图像中选择一个特定的区域进行处理（例如只处理道路区域），可以通过以下步骤对代码进行修改。我们将使用 ROI（Region of Interest）来限制处理范围，并优化车道线检测的逻辑。

具体步骤：

ROI（Region of Interest）:
- 使用 roi 变量定义感兴趣区域，格式为 [x, y, width, height]。
- 通过 roiFrame = frame(roi(2):roi(2)+roi(4), roi(1):roi(1)+roi(3), :) 提取 ROI 区域。

高斯滤波:
- 使用 imgaussfilt 对灰度图像进行高斯滤波，以减少噪声。
Canny 边缘检测:
- 使用 edge 函数进行 Canny 边缘检测，阈值范围为 [0.1, 0.2]，可以根据实际情况调整。

霍夫变换:
- 使用 hough 和 houghpeaks 检测直线。
- 使用 houghlines 提取直线，并设置 FillGap 和 MinLength 参数以过滤短线段。

坐标转换:
- 将 ROI 中的直线坐标转换回原图坐标，以便在原图上绘制检测到的车道线。
绘制车道线:
- 使用 plot 函数在原图上绘制检测到的车道线。

2 代码

2.1 实现车道识别

% 创建一个图形窗口
figure;% 定义 ROI（Region of Interest）
roi = [200, 200, 400, 200]; % [x, y, width, height]，根据你的图像调整% 循环处理每一帧
% while(vid.FramesAcquired <= 1000) % 处理1000帧% 获取一帧图像
%     frame = getsnapshot(vid);frame=imread('test.png');imagesc(frame)title('测试图')% 提取 ROI 区域%roiFrame = frame(roi(2):roi(2)+roi(4), roi(1):roi(1)+roi(3), :);shape=size(pic);%图片大小
roi(1)=0.5*shape(1); %x  宽度
roi(2)=0.4*shape(2);%高度 yroiFrame = frame(roi(1) :1*shape(1),roi(2):1*shape(2) ,:);  % 转换为灰度图像grayFrame = rgb2gray(roiFrame);imshow(grayFrame)title('grayframe 感兴趣的区域大小')% 使用高斯滤波去噪filteredFrame = imgaussfilt(grayFrame, 2);% 使用Canny边缘检测edges = edge(filteredFrame, 'Canny', [0.05 0.35]);% 使用霍夫变换检测直线[H, T, R] = hough(edges);P = houghpeaks(H, 5, 'threshold', ceil(0.3 * max(H(:))));lines = houghlines(edges, T, R, P, 'FillGap', 4, 'MinLength', 5);% 在原图上绘制检测到的直线imshow(frame); hold on;for k = 1:length(lines)% 将 ROI 中的坐标转换回原图坐标xy = [lines(k).point1; lines(k).point2];xy(:, 1) = xy(:, 1) + roi(2); % 调整 x 坐标xy(:, 2) = xy(:, 2) + roi(1); % 调整 y 坐标% 绘制直线plot(xy(:,1), xy(:,2), 'LineWidth', 2, 'Color', 'green');endhold off;% 刷新图形窗口drawnow;
% end

2.2 结果

识别的车道线

2.3 车道线合并

这里需要考虑相邻测线合并的问题。

在车道线检测中，如果遇到相邻车道线（例如左车道线和右车道线），霍夫变换可能会检测到多条线段。如果不加以区分，这些线段可能会被错误地合并为一条车道线。为了解决这个问题，我们需要对检测到的线段进行分类和过滤，确保只保留当前车道的车道线。

% 假设 lines 是 houghlines 函数返回的线段结构体
% lines 包含以下字段：point1, point2, theta, rho% 合并线段的阈值
angleThreshold = 5; % 角度阈值（度）
distanceThreshold = 20; % 距离阈值（像素）% 初始化合并后的线段列表
mergedLines = [];% 遍历所有线段
for i = 1:length(lines)currentLine = lines(i);isMerged = false;% 遍历已合并的线段列表，检查是否可以合并for j = 1:length(mergedLines)mergedLine = mergedLines(j);% 计算两条线段的角度差angleDiff = abs(currentLine.theta - mergedLine.theta);% 计算两条线段的距离差（使用 rho 值）distanceDiff = abs(currentLine.rho - mergedLine.rho);% 如果角度和距离差都在阈值内，则合并线段if angleDiff < angleThreshold && distanceDiff < distanceThreshold% 合并线段：取两个端点的最小和最大坐标mergedLine.point1 = min(currentLine.point1, mergedLine.point1);mergedLine.point2 = max(currentLine.point2, mergedLine.point2);% 更新合并后的线段mergedLines(j) = mergedLine;isMerged = true;break;endend% 如果当前线段没有合并到任何线段中，则添加到合并列表if ~isMergedmergedLines = [mergedLines; currentLine];end
end% 区分左车道线和右车道线
leftLines = [];
rightLines = [];for k = 1:length(mergedLines)line = mergedLines(k);% 计算线段的中点midPoint = (line.point1 + line.point2) / 2;% 根据线段的角度和中点位置分类if line.theta < 0 % 左车道线通常具有负角度leftLines = [leftLines; line];elseif line.theta > 0 % 右车道线通常具有正角度rightLines = [rightLines; line];end
end% 选择最接近图像中心的左车道线和右车道线
imageCenterX = size(frame, 2) / 2; % 图像的水平中心
minLeftDistance = inf;
minRightDistance = inf;
selectedLeftLine = [];
selectedRightLine = [];% 选择最接近图像中心的左车道线
for i = 1:length(leftLines)line = leftLines(i);midPoint = (line.point1 + line.point2) / 2;distance = abs(midPoint(1) - imageCenterX);if distance < minLeftDistanceminLeftDistance = distance;selectedLeftLine = line;end
end% 选择最接近图像中心的右车道线
for i = 1:length(rightLines)line = rightLines(i);midPoint = (line.point1 + line.point2) / 2;distance = abs(midPoint(1) - imageCenterX);if distance < minRightDistanceminRightDistance = distance;selectedRightLine = line;end
end% 绘制选定的左车道线和右车道线
figure;
imagesc(frame); hold on;
if ~isempty(selectedLeftLine)xy = [selectedLeftLine.point1; selectedLeftLine.point2];xy(:, 1) = xy(:, 1) + roi(2); % 调整 x 坐标xy(:, 2) = xy(:, 2) + roi(1); % 调整 y 坐标plot(xy(:,1), xy(:,2), 'LineWidth', 2, 'Color', 'blue');
end
if ~isempty(selectedRightLine)xy = [selectedRightLine.point1; selectedRightLine.point2];xy(:, 1) = xy(:, 1) + roi(2); % 调整 x 坐标xy(:, 2) = xy(:, 2) + roi(1); % 调整 y 坐标plot(xy(:,1), xy(:,2), 'LineWidth', 2, 'Color', 'red');
end%计算中心线hold off;