车道线检测实验笔记（一）---- 基于改进Hough变换的曲线检测方法

    一、问题引入和分析

    无人驾驶技术在今发展迅猛，而车道线识别检测则是无人驾驶技术的基础与保障。本篇博客将近期来博主所做的一些车道线检测的实验（无奈，有失败的，也有成功的，虽然效果一般）做一些描述，整理成笔记，一来如果能有人给出好的建议或者意见，指出我所做的是否科学合理是再好不过了，二来，也是帮助自己记忆研究历程，便于下一步研究。

    为了找到一个合适的模型，或者说是方法，能够完成车道线检测的如下几个部分：

    （1）直线检测

    （2）曲线检测

    （3）虚线、实线的检测

   我们可以简单分析一下：

    （1）图像预处理：首先，需要对图像进行逆透视变换，得到俯视图，同时对车道线的检测，前提条件是待检测图中尽量只有车道线信息，那么要尽可能地减少环境带来的噪声。预处理部分，后面会着重讨论到，这里只是进行场景模拟，来检验方法或者模型是否正确；

    （2）直线检测：直线检测在图像识别领域算是一个入门式的课题，如今主流的方法当然是使用Hough变换对直线进行检测，对于车道线检测，也可以使用该方法进行直线部分的检测。但是，要注意两个主要的问题（后续问题，后续再具体分析）：

          1>重复检测：这里的重复检测主要指非极大值抑制后仍然出现的重复检测，而是指由于曲线的存在，而导致相近位置不同角度的检测：
                                                      

          2>错误检测：由于曲线的引入，导致检测出角度偏差很大的直线：
事实上，这些问题可以通过加上一些限制条件以及直线聚类的方法解决。本文暂不讨论这些问题，关于直线的筛选和聚类问题，后面文章会有详细阐述。

   （3）曲线检测：该部分较为复杂，也是本文现阶段重点讨论的问题；

   （4）虚线实线的检测：初步想法，可以通过直线部分，检测直线周围有效像素点所占比重来粗略估计，该部分，也不作为现阶段重点讨论的问题。

 

   总结来说，本文现阶段，主要讨论直线检测+曲线检测的模型和方法！

 

   二、基于改进Hough变换的曲线检测模型

   （参考：http://d.wanfangdata.com.cn/Patent/CN201310717643.3/