OpenCV 高级曲线车道检测：从畸变校正到实时视频处理

项目背景

引言

车道线是自动驾驶的基石，引导车辆安全行驶。在直线车道检测项目基础上，我开发了一套鲁棒的曲线车道检测管线，在阴影、遮挡、路面不平等复杂场景下表现可靠。

完整图像处理流程基于 Python + OpenCV 实现：

• 畸变校正
• 透视变换 (鸟瞰图)
• Sobel 滤波
• 直方图峰值检测
• 滑动窗口搜索
• 多项式曲线拟合
• 检测车道叠加显示
• 实时视频处理

前代系统局限

早期模型仅支持直线车道，难以应对曲线、阴影、部分遮挡。新管线引入边缘滤波与动态滑动窗口解决上述问题。

畸变校正

相机镜头径向畸变会扭曲测量。通过非对称棋盘格标定生成畸变模型，校正全量数据。标定流程：采集多张棋盘格图片，cv2.findChessboardCorners() 提取角点，cv2.calibrateCamera() 计算相机矩阵与畸变系数，cv2.undistort() 输出校正图像。下图展示校正前后对比，虽肉眼差异微小但对后续几何精度至关重要。

标定代码片段：

def undistort_img():
    obj_pts = np.zeros((6*9,3), np.float32)
    obj_pts[:,:2] = np.mgrid[0:9, 0:6].T.reshape(-1,2)
    objpoints = []
    imgpoints = []
    images = glob.glob('camera_cal/*.jpg')
    for fname in images:
        img = cv2.imread(fname)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        ret, corners = cv2.findChessboardCorners(gray, (9,6), None)
        if ret:
            objpoints.append(obj_pts)
            imgpoints.append(corners)
    img_size = (img.shape[1], img.shape[0])
    ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, img_size, None, None)
    dst = cv2.undistort(img, mtx, dist, None, mtx)
    dist_pickle = {'mtx': mtx, 'dist': dist}
    pickle.dump(dist_pickle, open('camera_cal/cal_pickle.p', 'wb'))
    return dst

def undistort(img, cal_dir='camera_cal/cal_pickle.p'):
    with open(cal_dir, 'rb') as f:
        file = pickle.load(f)
    mtx, dist = file['mtx'], file['dist']
    return cv2.undistort(img, mtx, dist, None, mtx)

undistort_img()
img = cv2.imread('camera_cal/calibration1.jpg')
dst = undistort(img)

完整函数亦收录于配套 Jupyter Notebook Code 区。

透视变换

直接在相机坐标系检测曲线车道困难。变换至鸟瞰视角可假设车道处于平面，高精度拟合多项式。使用 cv2.getPerspectiveTransform() 与 cv2.warpPerspective()，源/目标点选取兼顾车道几何与最大可视范围。

def perspective_warp(img, dst_size=(1280,720),
    src=np.float32([(0.43,0.65),(0.58,0.65),(0.1,1),(1,1)]),
    dst=np.float32([(0,0),(1,0),(0,1),(1,1)])):
    img_size = np.float32([img.shape[1], img.shape[0]])
    src = src * img_size
    dst = dst * np.float32(dst_size)
    M = cv2.getPerspectiveTransform(src, dst)
    return cv2.warpPerspective(img, M, dst_size)

Sobel 滤波

纯颜色滤波易将浅色混凝土误判为车道线。改用梯度边缘检测：Sobel 算子在 HLS 颜色空间计算水平梯度，突出高对比度车道边缘同时抑制路面纹理。生成的二值掩膜对光照变化鲁棒，作为滑动窗口输入。

直方图峰值检测

滑动窗口前，沿 x 轴统计二值图直方图，左右两侧最高峰对应左右车道线底部位置。

滑动窗口搜索

以底部峰值为起点，滑动窗口迭代收集各车道像素索引，拟合二次多项式，精确估算曲率与车辆相对车道中心偏移。最终叠加显示检测车道区域、曲率半径与车辆偏移量。

详细实现与可视化结果请见：Curved Lane Detection