lane_detect
1.0.0
Das Ziel dieses Projekts besteht darin, Fahrspuren in einer Reihe von Bildern zu erkennen und zu verfolgen, die von einem Auto aus aufgenommen wurden. Die zu diesem Zweck verwendete Methode ist die Hough-Transformation, um Linien zu erkennen, die dann anhand einer Punktzahl gewichteter Schnittpunkte und Winkel verglichen werden. Der Kalman-Filter wird verwendet, um den Bereich einzugrenzen, in dem die Hough-Transformation angewendet werden muss, und so die Leistung zu verbessern.
Die vorverarbeiteten Bilder werden mithilfe der Hough-Transformation verarbeitet, um die Erkennungswahrscheinlichkeit zu erhöhen und den Rechenaufwand zu reduzieren. Das Quellbild wird zunächst in zwei interessierende Bereiche unterteilt, in denen sich die linke und die rechte Spur befinden. Anschließend werden diese Bilder entrauscht, bevor adaptives Schwellenwertverfahren angewendet wird, um den Kontrast zu verbessern. Das nach dem adaptiven Schwellenwertverfahren erhaltene Bild wird erneut entrauscht, bevor die Canny-Transformation angewendet wird, um die Kanten zu erhalten. Das erhaltene Bild wird erneut entrauscht, um durch den Hochpassfilter verstärktes Rauschen zu entfernen.
Dann wird eine Hough-Linientransformation auf das nach der Verarbeitung erhaltene Bild angewendet und Linien, deren Winkel steil genug sind, um mögliche Fahrspurmarkierungen zu ermöglichen, werden gesammelt. Diese Linien werden dann basierend auf der gewichteten Summe ihrer Winkel und ihrer Schnittpunkte mit dem unteren Rand des Bildes bewertet. Die Linien mit der höchsten Punktzahl werden als wahrscheinlichste Fahrspuren ausgewählt.
Nach der Erkennung der ersten Fahrspurmarkierungen wird ein Kalman-Filter verwendet, um eine Schätzung der Fahrspuren im nächsten Frame vorherzusagen. Die Schätzung wird verwendet, um die Anwendung nachfolgender Hough-Transformationen auf einen schmalen Streifen um die Schätzung einzugrenzen. Für den Fall, dass in diesem schmalen Streifen keine geeigneten Fahrspuren gefunden werden, wird die Hough-Transformation auf den gesamten interessierenden Bereich angewendet, um die Fahrspuren zu finden. Wenn die Fahrspuren immer noch nicht gefunden werden, wird davon ausgegangen, dass die Kalman-Schätzung der Fahrspuren die bestmögliche Schätzung der Fahrspurmarkierungen ist.
Das Programm ist bei der Erkennung und Verfolgung von Fahrspuren äußerst genau, die Ergebnisse weichen jedoch tendenziell voneinander ab, wenn die Krümmung der Fahrspuren einen bestimmten Wert überschreitet. Nach einer kurzen Degression begann sich die Vorhersage jedoch wieder den tatsächlichen Messungen anzunähern
