computer-vision - 人工环境中的车道检测

Question

我正在编写一个可以在驾驶模拟器中检测车道的应用程序。环境比较简单，多为笔直的多车道道路，几乎没有弯道。目前，我可以使用(经典的)霍夫变换成功检测线条，但问题是 HT 自然也会检测到不是车道的线条。

我怎样才能更有选择性？我已经没有画水平线了，但仍然有一些线爬进来。理想情况下，我想检测车辆行驶的车道边界。以下是环境的典型图像



这是我目前正在做的事情:

1. 因为无论我开车到哪里，环境都差不多，所以我设置了感兴趣区域 (RoI)，以排除地平线及其上方的任何东西。

2.阈值图像(我会解释一下我设置阈值的原因)

3. Canny 边缘检测

4. 应用霍夫变换

5. 绘制检测到的线，排除那些梯度为 0.0 或接近 0.0 的线

阈值成像的原因如下。如果您查看上面链接的环境照片，您会看到一条与道路平行的灰色线。因为它是一条连续的线——不像车道标记——HT 最终会检测到它。我不能根据梯度排除它，因为它与车道标记具有相同的梯度。使用阈值，我可以删除它，因此只检测实际车道标记线。

下面是上面操作的结果



我知道这个问题有很多解决方案，我已经阅读了无数关于这方面的论文，但它们似乎都在处理比这更复杂的环境和/或只是让我无法理解。就其值(value)而言，就在一个多月前，我还没有 ComputerVision 的背景，所以所有这些对我来说都是非常新的。

更新 1:

我想用更好的术语来说，我正在寻找一种对车道进行建模的方法，以便不包括不适合模型的线条。不幸的是，我不知道从哪里开始使用模型。有什么建议？

就其值(value)而言，我设法确定了车辆正在行驶的车道，并且可以排除不属于“事件”车道一部分的额外线路，可以这么说。希望这张照片会有所帮助



它并不完美，但它是我猜的东西。在建模之后，我的最终目标是生成车辆的航向/位置。但我一开始只想获得相对强大的车道检测。我希望有一种相对简单的技术可以帮助实现这一目标(不依赖于系统参数，例如视场焦距)。

Answer 1

一种方法是使用您正在查看的场景的先验知识。你可以有一个隐藏状态的模型，包括或多或少的静态参数，如相机高度、相机倾斜或车道宽度，以及动态参数，如相机偏航、车道内相机的横向位移、道路曲率等。可以在 Kalman filter 的框架中处理这样的模型.这种模型的优点是能够容忍其他路面标记，例如方​​向箭头、斑马线等。祝你好运!