From 248f4475720ff9ea7c57db841ae6ac6db13b30cb Mon Sep 17 00:00:00 2001 From: abc123335 <1607504213@qq.com> Date: Thu, 18 Dec 2025 17:31:56 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0README.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/lane_visualize/README.md | 130 +++++++++++++++++++++++++++++++---- 1 file changed, 118 insertions(+), 12 deletions(-) diff --git a/src/lane_visualize/README.md b/src/lane_visualize/README.md index 91a9fc0490..4eaf7b121c 100644 --- a/src/lane_visualize/README.md +++ b/src/lane_visualize/README.md @@ -1,20 +1,126 @@ -# 自动驾驶车道检测系统 (Basic Lane Detection) +# AutoLane: OpenCV 车道线检测系统 -基于 OpenCV 和 Python 实现的基础车道线识别系统。该项目使用经典的计算机视觉技术(Canny 边缘检测、霍夫变换)来识别道路上的车道线,适用于直道和轻微弯道的场景。 +这是一个基于 Python 和 OpenCV 的自动驾驶车道线检测项目。它不依赖深度学习模型,而是通过经典的计算机视觉算法(Canny 边缘检测、霍夫变换、色彩过滤)来实现车道线的实时识别与追踪。 -## 📋 功能特性 -- **边缘检测**:使用 Canny 算子提取图像边缘。 -- **ROI 提取**:自动掩盖天空和无关背景,只关注路面区域。 -- **车道拟合**:利用霍夫变换检测直线,并通过斜率过滤和平均算法计算左右车道。 -- **视觉反馈**:在原视频上实时绘制检测到的车道区域(绿色)和车道线(蓝色)。 +本项目包含一个强大的**实时调参工具 (`tuner.py`)**,允许开发者在视频播放过程中动态调整算法参数,从而快速适配不同的光照和道路环境。 -## 🛠️ 安装指南 +## ✨ 功能特性 -### 1. 环境要求 -建议使用 Python 3.8 或更高版本(测试环境为 Python 3.13)。 +* **视觉管线**: 灰度化 -> 高斯模糊 -> Canny 边缘检测 -> ROI 掩码 -> 霍夫直线变换。 +* **实时调参器**: 提供可视化滑动条界面,实时寻找最佳的 Canny 阈值和 ROI 区域。 +* **鲁棒性优化**: + * **斜率过滤**: 剔除水平线(阴影)和垂直线(路标)。 + * **历史帧平滑**: 使用 `deque` 队列对最近 10 帧数据取平均,消除抖动。 + * **动态 ROI**: 可配置梯形区域,仅关注路面。 + +## 🛠️ 环境准备 + +### 1. 运行环境 +* Python 3.8+ (推荐 Python 3.13) +* PyCharm 或 VS Code ### 2. 安装依赖 -在项目根目录下运行以下命令安装所需库: +请在项目根目录下运行: +```bash +pip install -r requirements.txt + +``` + +*(如果尚未创建 `requirements.txt`,手动安装: `pip install opencv-python numpy matplotlib`)* + +### 3. 准备数据 + +请确保项目目录下有测试视频文件(例如 `sample.hevc` 或 `.mp4` 文件)。 + +* 如果你没有视频,可以从 [这里下载 sample.hevc](https://drive.google.com/file/d/1hP-v8lLn1g1jEaJUBYJhv1mEb32hkMvG/view?usp=sharing)。 + +--- + +## 🚀 使用指南 (完整流程) + +### 第一步:使用 Tuner 寻找最佳参数 + +不同的视频(白天/夜晚/阴天)需要不同的参数。运行调参工具来获得最佳效果: + +```bash +python tuner.py sample.hevc + +``` + +**操作方法:** + +1. **空格键**: 暂停视频,观察当前帧。 +2. **滑动条**: +* `Canny Low/High`: 调整边缘检测的灵敏度(左侧黑白窗口)。 +* `ROI Top W / Height`: 调整红色梯形框的大小,确保它只包裹车道线,避开天空和树木。 +* `Hough Thresh`: 调整识别直线的严格程度(右侧绿色线条)。 + + +3. **记录参数**: 记下效果最好时的 6 个数值。 + +### 第二步:更新主程序 + +打开 `main.py`,找到顶部的 **【参数配置区】**,将你刚刚记下的数值填入: + +```python +# main.py 顶部 +CANNY_LOW = 50 # <--- 填入你的数值 +CANNY_HIGH = 150 +ROI_TOP_WIDTH = 0.40 +... + +``` + +### 第三步:运行车道检测 + +参数配置完成后,运行主程序查看最终效果: ```bash -pip install -r requirements.txt \ No newline at end of file +python main.py sample.hevc + +``` + +* **按 `q` 键**: 退出程序。 + +--- + +## 📂 项目结构 + +```text +Project_Root/ +├── main.py # [核心] 车道检测主程序 (需填入调优后的参数) +├── tuner.py # [工具] 可视化调参工具 (含滑动条) +├── requirements.txt # 依赖库列表 +├── README.md # 项目文档 +└── sample.hevc # 测试视频文件 + +``` + +## ⚠️ 常见问题 + +**Q1: 运行 `tuner.py` 或 `main.py` 时报错 `Assertion failed` 或无法打开视频?** + +* **原因**: OpenCV 可能缺少 HEVC (H.265) 解码器。 +* **解决**: 将 `sample.hevc` 转换为 `.mp4` 格式,或者重新编译安装带 FFmpeg 支持的 OpenCV。 + +**Q2: 检测框乱跳或消失?** + +* **原因**: 参数不适合当前视频的光照。 +* **解决**: 请务必先运行 `tuner.py`,针对当前视频调整 `Canny` 阈值和 `ROI` 范围。 + +## 🔮 路线图 (Roadmap) + +* [x] 基础 OpenCV 车道线检测 +* [x] 增加可视化调参工具 +* [x] 增加帧间平滑 (Smoothing) +* [ ] 集成 YOLOv8 进行车辆/行人目标检测 +* [ ] 结合深度学习实现端到端控制 (类似 comma.ai) + +## 📚 参考资料 + +* [OpenCV Documentation](https://www.google.com/search?q=https://docs.opencv.org/) +* [Hough Circle Transform Explained](https://docs.opencv.org/3.4/d4/d70/tutorial_hough_circle.html) + +``` + +``` \ No newline at end of file