人工环境中的车道检测答案

【问题标题】：Lane Detection in an artificial Environment人工环境中的车道检测
【发布时间】：2011-05-14 00:23:45
【问题描述】：

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

我怎样才能更有选择性？我还没有画水平线，但仍然有一些线在蔓延。理想情况下，我想检测车辆正在行驶的车道边界。以下是环境的典型图像

这是我目前正在做的事情：

1. 因为无论我在哪里开车，环境或多或少都是一样的，所以我将感兴趣区域 (RoI) 设置为排除地平线及其上方的任何东西。

2。对图像进行阈值处理（稍后我会解释设置阈值的原因）

3。 Canny 边缘检测

4。应用霍夫变换

5。绘制除梯度为 0.0 或接近 0.0 的检测线

成像阈值的原因如下。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线。因为它是一条连续的线 - 与车道标记不同 - 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。通过阈值处理，我可以删除它，因此只检测作为实际车道标记的线。

这是上述操作的结果

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个问题的论文，但它们似乎都在处理比这复杂得多的环境和/或简直超出了我的想象。就其价值而言，就在一个多月前，我还没有计算机视觉方面的背景，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建模的方法，以便不包括不适合模型的线。不幸的是，我不知道从哪里开始使用模型。有什么建议吗？

对于它的价值，我已经设法识别出车辆正在行驶的车道，并且可以排除不属于“活动”车道的额外线路，可以这么说。希望这张照片会有所帮助

它并不完美，但我猜是这样。在建模之后，我的最终目标是生成车辆的航向/位置。但我只想首先获得相对稳健的车道检测。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，例如视野焦距）。

【问题讨论】：

标签： computer-vision hough-transform

【解决方案1】：

一种方法是使用您正在查看的场景的先验知识。您可以拥有一个具有隐藏状态的模型，包括或多或少的静态参数，例如相机高度、相机倾斜或车道宽度，以及动态参数，例如相机偏航、相机在车道内的横向位移、道路曲率等。可以在Kalman filter 的框架中处理这样的模型。这种模型的一个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！

【讨论】：

很遗憾，我无法从驾驶模拟器中找到相机高度和其他参数。但是，环境在 95% 以上的情况下看起来与照片一模一样。上述方法还值得研究吗？
如果你知道相机的视野，你可以从消失点y坐标确定倾斜。如果您知道倾斜（俯仰）和车道宽度，则可以确定相机高度。
有没有办法可以凭经验找到视野？在不知道焦距的情况下。问题是驾驶模拟不是由我编写的，实际上完全来自另一家公司。虽然我会尝试向他们询问此类问题，但我认为回答此类问题在他们的优先级列表中并不重要！
我认为高度不需要精确。如果你大约。在实际值±6" (15cm) 范围内，使用这种方法计算车道宽度的误差应在 5% 以内。
您可以建议任何其他技术吗？基于样条线/活动轮廓的东西怎么样 - 不需要参数的东西？我这么说是因为我阅读卡尔曼滤波器很长一段时间，但我无法理解它们。抱歉这么厚:(

【解决方案2】：

也许您可以尝试仅在灰白色过渡处找到边缘上的线条，而不是在整个图像的所有边缘上找到线条？

【讨论】：

这就是我想出的。不知道它有多优雅。我将在图像中设置一个宽（但高度短）的感兴趣区域 (RoI)。它将位于大约 3/5 的位置。当且仅当一条线与这个 RoI 的底部相交时，我才会绘制它。如果您看一下这张图片：tinyurl.com/349hscq（选择 = RoI），您会看到只有车辆正在行驶的车道边界会与选择的底部相交，因此我可以将它们标记为“车道”并相应地绘制它们。我知道它不会在所有情况下都有效，但我想在这里运行它。
听起来很合理。在实际的计算机视觉中，任何可行的方法都行得通。保存计算机科学或统计的清晰度或准确性，以备您拥有可以做任何事情的东西时使用。