基于霍夫变换的道路检测

Question

是否可以使用霍夫变换在自动驾驶汽车中检测和跟踪道路？如果是这样，是否有任何算法已经实现了这一点？想要一个链接，因为我真的找不到任何超出我想象的东西。

特别是，我正在寻找使用两条直线的消失点来确定车辆航向的算法。但是，如果有其他更更简单的算法可以完成这项工作，我也愿意看看它们。

Answer 1

是的，你可以这样做，但如果你只做这件事，它可能无法达到你想要的质量。任务并不简单，没有一种“简单”的算法可以仅根据图像进行“道路”或“航向”检测。另外，there are existing implementations in a number of languages, here's one in C++。

您应该考虑的一件事是道路并不总是笔直的，因此消失点可能在道路的转弯处..​​....

Stanford DARPA Grand Challenge 和 DARPA Urban Challenge 车辆使用基于颜色的检测来检测可行驶的表面（例如道路），然后使用某种边缘检测和线条形成算法（不清楚是否基于 Hough 变换）来定义道路方向的“前瞻性”估计。我确实相信他们使用了某种系统来检测消失点，而且他们肯定会考虑到道路的转弯。

我想你真正需要检测的是道路边缘，将它们变成线（不一定是直线），然后找到会聚点。这假设可以解决许多其他艰巨的任务：（1）您的图像质量合适； (2) 你可以检测到道路，或者至少可以检测到它的边缘； (3) 您可以足够快地处理图像以跟上车辆的移动。

如果您所做的只是分析一些现有的视频，我将从一个非常基本的方法开始：

1. 检测视频中的路面——这是一个分割任务，找出图像中所有的像素点；这将有助于在这里划分三个类：道路、非道路和天空。
2. 寻找地平线（这大概是您的道路/非道路和天空类的交汇点
3. 使用简单的边缘检测器（例如 Sobel 边缘检测器）来区分道路和非道路的边缘
4. 对 Sobel 边缘应用 Hough 变换以绘制道路边缘的“线”
5. 找到道路线在地平线上的交汇点

Answer 2

您实际上可以考虑研究Graph-cuts 和高斯混合模型来解决这个问题。它可能对你很有效。 OpenCV 实现了这两种算法。这是example这两种算法在分割中的应用。