车道检测

车道检测的研究已经有了比较长的时间，现有的算法也五花八门，有基于轮廓进行车道线提取的，也有基于边缘特征提取的，最后采用直线拟合将车道线拟合出来。当然，我这里只是很概念性的说说。目前检测类的算法当然是深度学习的主流，因为其性能传统算法很难比拟，不过深度学习的缺陷就是计算吞吐量大，在计算方面传统算法还是比较有优势的。本文的车道检测算法采用的依旧是传统算法，没办法，资源有限，所以只能采用传统算法实现。

1、基于边缘的车道检测

算法的步骤：

(1)图像滤波

(2)边缘检测

(3)边缘筛选

(4)直线拟合

(5)车道预警

2、基于轮廓的车道检测

(1)图像滤波

(2)图像二值化(能够提出很多冗余轮廓)

(3)车道轮廓筛选(宽高比，面积等信息)

(4)直线拟合

(5)车道预警

这里只大概说下算法流程，具体实现不便公开，望理解。具体效果如下：

https://v.youku.com/v_show/id_XMzgxNzA3MTI0MA==.html?spm=a2hzp.8244740.0.0

https://v.youku.com/v_show/id_XMzgxNzA2NDU4NA==.html?spm=a2h0j.11185381.listitem_page1.5!2~A