车道线检测1-传统算法相关简介

由于网上有很多车道线检测的案例，而且在Udacity的系列课程中也对此进行详细的介绍，因此在此简单总结一下几种方法。

1. 边缘检测+霍夫变换

• 方法流程：彩色图像转灰度，模糊处理，边缘检测，霍夫变换
• 这种方法一般能够检测出简单场景下的车辆目前行驶的两条车道线，以及偶尔的相邻车道（依赖前视相机的角度）。该方法可以利用霍夫变换的结果（线的斜率），进一步过滤出左右车道线。不过同时，该方法也依赖于边缘检测的结果，所以调参（边缘检测、霍夫变换）以及其他的trick（roi选取等等）是很重要的。

2. 颜色阈值

• 方法流程：将图像转颜色空间（一般HSV），对新的color space中的各个通道设置阈值（大于阈值取值为1，小于取值为0），得到结果。
• 该方法依赖于各通道的阈值的选取，只需要调整几个阈值参数，但个人认为该方法鲁棒性会较差，例如当前车辆前方的车辆可能会被全部置1。

3. 透视变换

• 方法流程：获取透视变换矩阵，透视变换，车道线检测（1或者2）
• 该方法的优点是将前视摄像头抓拍的图像转为鸟瞰图，能够检测到多条线。其关键在于透视变换矩阵的准确性（不考虑转换后的车道线检测），对于转换后的鸟瞰图，可以通过上述两种方式检测车道线。

 

在实际场景中，传统方法的鲁棒性确实不行，除去光照和邻近车辆的影响外，车道中间的指示箭头和人行道也是此类算法很难处理的挑战。因此，需要结合很多trick。

不过这些方法的实现都很简单，目前的opencv的python接口和c++接口均有相关的接口。

 

推荐参考：https://blog.csdn.net/liaojiacai/article/details/63685342

转载于:https://www.cnblogs.com/xiangs/p/9521374.html