OpenCV 赛道识别：检测边界线并计算灰度赛道中点

要使用OpenCV识别赛道两边的线并找出标记灰度处理下黑色赛道中点，可以按照以下步骤进行：

读取图像：使用OpenCV的函数cv2.imread()读取图像，并将其转换为灰度图像。

import cv2

image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

边缘检测：使用Canny边缘检测算法，通过调整阈值来检测图像中的边缘。

edges = cv2.Canny(gray, threshold1, threshold2)

霍夫直线检测：使用霍夫直线变换算法，检测图像中的直线段。

lines = cv2.HoughLinesP(edges, rho, theta, threshold, minLineLength, maxLineGap)

筛选直线：对于检测到的直线，根据斜率和位置进行筛选，以获取左右两条直线。

left_lines = []
right_lines = []
for line in lines:
    x1, y1, x2, y2 = line[0]
    slope = (y2 - y1) / (x2 - x1)
    if slope < 0:
        left_lines.append(line)
    else:
        right_lines.append(line)

拟合直线：对筛选出的直线进行拟合，得到一条左侧直线和一条右侧直线。

left_line = cv2.fitLine(np.array(left_lines), cv2.DIST_L2, 0, 0.01, 0.01)
right_line = cv2.fitLine(np.array(right_lines), cv2.DIST_L2, 0, 0.01, 0.01)

计算中点：根据左侧直线和右侧直线的斜率和截距，计算黑色赛道中点的位置。

left_slope = left_line[1][1] / left_line[1][0]
left_intercept = left_line[3][0] - left_slope * left_line[2][0]

right_slope = right_line[1][1] / right_line[1][0]
right_intercept = right_line[3][0] - right_slope * right_line[2][0]

midpoint_x = (right_intercept - left_intercept) / (left_slope - right_slope)
midpoint_y = left_slope * midpoint_x + left_intercept

midpoint = (int(midpoint_x), int(midpoint_y))

最后，可以在原始图像上绘制出检测到的直线和黑色赛道中点。

cv2.line(image, (left_line[2][0], left_line[3][0]), (left_line[2][0] + 100 * left_line[0][0], left_line[3][0] + 100 * left_line[0][1]), (0, 0, 255), 2)
cv2.line(image, (right_line[2][0], right_line[3][0]), (right_line[2][0] + 100 * right_line[0][0], right_line[3][0] + 100 * right_line[0][1]), (0, 0, 255), 2)
cv2.circle(image, midpoint, 5, (0, 255, 0), -1)

cv2.imshow('Result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代码假设图像名称为'image.jpg'，并根据具体情况调整阈值、参数等。