車道檢測

車道檢測的研究已經有了比較長的時間，現有的算法也五花八門，有基于輪廓進行車道線提取的，也有基于邊緣特征提取的，最後采用直線拟合将車道線拟合出來。當然，我這裡隻是很概念性的說說。目前檢測類的算法當然是深度學習的主流，因為其性能傳統算法很難比拟，不過深度學習的缺陷就是計算吞吐量大，在計算方面傳統算法還是比較有優勢的。本文的車道檢測算法采用的依舊是傳統算法，沒辦法，資源有限，是以隻能采用傳統算法實作。

1、基于邊緣的車道檢測

算法的步驟：

(1)圖像濾波

(2)邊緣檢測

(3)邊緣篩選

(4)直線拟合

(5)車道預警

2、基于輪廓的車道檢測

(1)圖像濾波

(2)圖像二值化(能夠提出很多備援輪廓)

(3)車道輪廓篩選(寬高比，面積等資訊)

(4)直線拟合

(5)車道預警

這裡隻大概說下算法流程，具體實作不便公開，望了解。具體效果如下：

https://v.youku.com/v_show/id_XMzgxNzA3MTI0MA==.html?spm=a2hzp.8244740.0.0

https://v.youku.com/v_show/id_XMzgxNzA2NDU4NA==.html?spm=a2h0j.11185381.listitem_page1.5!2~A