# Self-Driving Car Engineer ：Gradients and Color Spaces

**Repository Path**: rou-rou/self-driving-car-engineer-gradients-and-color-spaces

## Basic Information

- **Project Name**: Self-Driving Car Engineer ：Gradients and Color Spaces
- **Description**: 这是自动驾驶学习的第三部分，在这一部分中我尝试了不同的梯度设置和不同的颜色空间来更好的进行识别道路车道标记。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-12-19
- **Last Updated**: 2021-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: OpenCV, Python, 计算机视觉, 自动驾驶, 寻找车道线

## README

# Self-Driving Car Engineer ：Gradients and Color Spaces

#### 介绍
这是自动驾驶学习的第三部分，在这一部分中我尝试了 不同的梯度设置 和 不同的颜色空间 来更好的进行识别道路车道标记。  
不再是Self-Driving Car Engineer ：Finding Lane Lines code库中仅使用灰度图来进行图象的处理。  
下面我将简单阐述在这里个文件中，我都做了那些尝试以及效果和启发。  
另外我会用几天甚至更久的时间将这些技术进行整合，做成一个车道识别的小项目。  
  
如果我有任何没有说清楚的地方或者您感兴趣的地方可以随时联系我 微信:Rou_rouV5

#### 软件架构
这一部分我会简单阐述一下我的每一个demo文件都做了什么  
lesson 01 code.py 这段代码中我使用了Sobel算子，对不同方向进行求导运算，并计算绝对值，通过结果对图像进行二值化。
  
lesson 02 code.py 将01代码中的方法进行了封装。看起来更加规范。
  
lesson 03 code.py 使用Sobel算子 对x方向与y方向的导数的总体大小进行阈值设定，输出对比图象。
  
lesson 04 code.py 进行了通道分离 对比了简单了灰度图，RGB通道图，HLS通道图并且进行对比。
  
lesson 05 code.py 对 HLS色彩空间 的 S通道 进行了对比    
  
  
#### 安装教程

1.  xxxx
2.  xxxx
3.  xxxx

#### 使用说明

1.  xxxx
2.  xxxx
3.  xxxx

#### 参与贡献****