車道偵測
1.0.0
該專案的目標是檢測和追蹤從汽車上獲取的一系列幀中的車道。用於此目的的方法是霍夫變換來檢測線,然後使用加權截距和角度的分數進行比較。卡爾曼濾波器用於縮小需要應用霍夫變換的區域,從而提高性能。
使用霍夫變換之前處理的影像可以提高偵測機率並減少計算量。來源影像最初被分為兩個感興趣的區域,可以在其中找到左車道和右車道,然後在應用自適應閾值處理以提高對比度之前對這些影像進行去噪。自適應閾值處理後獲得的影像在應用 Canny 變換獲得邊緣之前再次去噪。所得的影像再次被去雜訊以去除由高通濾波器放大的雜訊。
然後對處理後獲得的圖像應用霍夫線變換,並收集角度足夠陡峭以成為可能的車道標記的線,然後根據它們的角度的加權和以及它們與圖像底部的截距對這些線進行評分。得分最高的線路被選為最可能的車道。
偵測到第一個車道標記後,使用卡爾曼濾波器來預測下一幀中車道的估計。此估計用於將後續霍夫變換的應用範圍縮小到估計周圍的窄帶。即使在這個窄帶中找不到合適的車道,也會對整個感興趣區域應用霍夫變換來查找車道。如果仍未找到車道,則假定車道的卡爾曼估計是車道標記的最佳估計值。
該程序在檢測和追蹤車道方面不太準確,但是當車道曲率超過一定值時,結果往往會出現偏差。然而,在短暫的衰退之後,預測再次開始與實際測量值趨同