détection_de voie
1.0.0
L'objectif de ce projet est de détecter et de suivre les voies dans une série d'images prises sur une automobile. La méthode utilisée à cette fin est la transformée de Hough pour détecter les lignes qui sont ensuite comparées à l'aide d'un score d'intersections et d'angles pondérés. Le filtre de Kalman est utilisé pour réduire la zone dans laquelle la transformation de Hough doit être appliquée, améliorant ainsi les performances.
Les images traitées avant d'utiliser la transformée de Hough pour améliorer la probabilité de détection et réduire l'effort de calcul. L'image source est initialement divisée en deux régions d'intérêt où se trouvent les voies gauche et droite, puis ces images sont débruitées avant d'appliquer un seuil adaptatif pour améliorer le contraste. L'image obtenue après seuillage adaptatif est à nouveau débruitée avant d'appliquer la transformation de Canny pour obtenir les bords. L'image obtenue est à nouveau débruitée pour supprimer le bruit amplifié par le filtre passe-haut.
La transformation de ligne est ensuite appliquée sur l'image obtenue après traitement et les lignes dont les angles sont suffisamment raides pour permettre un marquage possible sont collectées. Ces lignes sont ensuite notées en fonction de la somme pondérée de leurs angles et de leurs intersections avec le bas de l'image. Les lignes avec le score le plus élevé sont sélectionnées comme voies les plus probables.
Après la détection des premiers marquages de voie, un filtre de Kalman est utilisé pour prédire une estimation des voies dans la trame suivante. L'estimation est utilisée pour affiner l'application des transformations Hough ultérieures à une bande étroite entourant l'estimation. Dans le cas où aucune voie appropriée n'est trouvée dans cette bande étroite, la transformée de Hough est appliquée sur toute la région d'intérêt pour trouver les voies. Si les voies ne sont toujours pas trouvées, l'estimation de Kalman des voies est considérée comme la meilleure estimation possible du marquage des voies.
Le programme est peu précis dans la détection et le suivi des voies, mais les résultats ont tendance à diverger lorsque la courbure des voies dépasse une certaine valeur. Cependant, après une dégression momentanée, les prévisions ont recommencé à converger avec les mesures réelles.
