车道线拟合笔记

1、车道线分类：
按照道路交通标线的功能划分为：指示标线、警告标线和禁止标线。
按标划方法可分为：白色虚线、白色实线、黄色虚线、黄色实线、双白虚线、双白实线、双黄虚线和双黄实线等。
按作用又可分为：车行道中心线、车道分界线、停止线、减速让行线、人行横道线、导流线、导向箭头和左转弯导线等。

2、目前视觉_车道线检测方法：
一般的车道有三车道或者四车道，固定的前方摄像头的视角范围内，由于车辆周围的其他车辆的遮挡，不能够稳定的提取所有的车道。检测当前车道线，被检测的车辆中不处于前方同车道内的车辆就可以根据被检测车辆坐标与当前车道线距离关系划分为左右两侧车道内的车辆。
基于霍夫之间检测、基于LSD直线检测、基于俯视图变换的车道线检测、基于拟合的车道线检测、基于平行透视灭点的。
2.1 基于霍夫的车道线检测 （直线拟合）
其原理是将图像的笛卡尔坐标系统转换到极坐标霍夫空间，从而完成点到曲线的变换，对应的每个像素坐标P(x,y)被转换到(r,theta)的曲线点上。
同一条直线上的点P(x,y)都满足x*cos(theta) + y * sin(theta) = r ，这样一组(r,theta)常量就对应了图像中位移确定的一条直线。遍历图像感兴趣区域的像素点时，不断的累加每个(r,theta)对应的数据点个数，当某一对(r,theta) 对应的统计的点数达到我们设定的阈值时就认为这些点在一条直线上，通过霍夫检测的同一条直线上的的点的个数，可以过滤掉很多干扰直线。
通过测试，这种算法有良好的鲁棒性，对于白天和夜晚都具有良好的适应性，车道偏移基本功能实现，满足了对一般环境的要求，不足之处是对于曲率半径大于100的车道线还不能够识别。

2.2 基于透视变换的车道线检测（滑动窗口_拟合）（使用python的 np.polyfit 函数）
采用透视变换将前方图像的路面变换为俯视图，在俯视图中提取车道线（寻找车道线的特征，按照灰度值进行二值化，然后采用边缘检测，得到车道线的边缘轮廓，将检测到的车道线提取出来）。军事交通学院采用这种方法进行