视频预处理
# input frames pathpathIn= 'detected/'# output path to save the videopathOut = 'roads_v2.mp4'# specify frames per secondfps = 30.0from os.path import isfile, join# get file names of the framesfiles = [f for f in os.listdir(pathIn) if isfile(join(pathIn, f))]files.sort(key=lambda f: int(re.sub('D', '', f)))接下来，我们将所有包含检测到的车道的帧放入列表中：
frame_list = []for i in tqdm_notebook(range(len(files))):filename=pathIn + files[i]#reading each filesimg = cv2.imread(filename)height, width, layers = img.shapesize = (width,height)#inserting the frames into an image arrayframe_list.append(img)最后，我们现在可以使用以下代码将帧组合成视频：
# write the videoout = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)for i in range(len(frame_array)):# writing to a image arrayout.write(frame_array[i])out.release()搞定！这就是你的Python车道检测系统 。
总结在本教程中，我们介绍了一种简单的车道检测技术 。我们没有使用任何模型或复杂的图像功能 。相反，我们的解决方案仅基于某些图像预处理操作 。
但是，在许多情况下，此解决方案将不起作用 。例如，当没有车道标记或道路上的交通过多时，该系统将发生故障 。在车道检测中有更复杂的方法可以克服此类问题 。如果你对自动驾驶汽车的概念感兴趣，我希望你继续探索这个话题 。
原文标题：
Hands-On Tutorial on Real-Time Lane Detection using OpenCV (Self-Driving Car Project!)
原文链接：
https://www.analyticsvidhya.com/blog/2020/05/tutorial-real-time-lane-detection-opencv/
编辑：于腾凯
校对：吕艳芹
译者简介
文章插图
张若楠，UIUC统计研究生毕业，南加州传媒行业data scientist 。曾实习于国内外商业银行，互联网，零售行业以及食品公司，喜欢接触不同领域的数据分析与应用案例，对数据科学产品研发有很大热情 。
【无人驾驶项目实战：使用OpenCV进行实时车道检测】
推荐阅读
- 文职|“军队文职”招聘遇冷，薪资可观却无人报考，真实原因太现实
- 翡翠|机雕崛起意图代替手工？！翡翠行业是否也将进入无人化时代
- 从茶场到标准化生产线,浙江省高级农艺师到缙指导黄茶产业提升项目
- ppp项目模式什么意思？
- 9个优秀的 VUE 开源项目
- 汽车美容都有哪些项目
- 副驾驶多大小孩可以坐？
- 茶业从传统走向现代,2015年度福鼎市现代茶业项目即日起申报
- 清理无用的Android项目资源
- 驾驶证过期未换证罚款吗？