车道检测
1.0.0
该项目的目标是检测和跟踪从汽车上获取的一系列帧中的车道。用于此目的的方法是霍夫变换来检测线，然后使用加权截距和角度的分数进行比较。卡尔曼滤波器用于缩小需要应用霍夫变换的区域，从而提高性能。
使用霍夫变换之前处理的图像可以提高检测概率并减少计算量。源图像最初被分为两个感兴趣的区域，可以在其中找到左车道和右车道，然后在应用自适应阈值处理以提高对比度之前对这些图像进行去噪。自适应阈值处理后获得的图像在应用 Canny 变换获得边缘之前再次去噪。获得的图像再次被去噪以去除由高通滤波器放大的噪声。
然后对处理后获得的图像应用霍夫线变换，并收集角度足够陡峭以成为可能的车道标记的线，然后根据它们的角度的加权和以及它们与图像底部的截距对这些线进行评分。得分最高的线路被选择为最可能的车道。
检测到第一个车道标记后，使用卡尔曼滤波器来预测下一帧中车道的估计。该估计用于将后续霍夫变换的应用范围缩小到估计周围的窄带。即使在这个窄带中找不到合适的车道，也会对整个感兴趣区域应用霍夫变换来查找车道。如果仍未找到车道，则假定车道的卡尔曼估计是车道标记的最佳估计。
该程序在检测和跟踪车道方面不太准确，但是当车道曲率超过一定值时，结果往往会出现偏差。然而，在短暂的衰退之后，预测再次开始与实际测量值趋同
