车道线识别随笔

总的来说车道线识别分为传统方法和深度学习的方法
传统方法：
传统方法是指将原始图片二值化，处理噪声，尽量提取出只含有车道线的二值图。其中，处理可以采用：
边缘检测：感觉一般，边缘检测会把所有的边缘都检测出，其结果可以作为一系列处理的一个步骤运用。
提取某一通道的像素值进行处理：实际操作感觉并不好用，不如直接转灰度图处理。
全局二值化：固定阈值，在路面变化不明显的区域还可以用，不推荐使用
局部二值化：推荐使用，动态阈值，可以消除一些阴影带来的影响。
也可以自己设计一些方法，比如我自己观察灰度图时发现，车道线所在的像素值，一般会是所在行的其它像素值的最大值，并高于其它像素值一定阈值，只是有的行因为亮度不同，像素值会不同，所以我设计读取灰度图每一行时，先排序，选出在最大值，然后依照车道线总宽度，在离最大值略大于车道线宽度的距离选出认为是普通地面的值，将两者的差作为此行的阈值。做完感觉效果还不错。

其实，传统车道线识别方法也可以分两种方法，一种是直接在正常视图下面，对车道线进行识别，这种方法一般最后拟合直线运用hough变换，只能检测直线；还有一种就是先转换成鸟瞰图，再识别，可以识别曲线，用直方图识别方法。
直方图：在图片底部一定宽度、高度的直方条内记录像素值为1的数量，最后统计数量最多的两（四）组，作为车道线候选区域；然后在这些区域进行操作，也是自下而上，选用一个以车道线宽速为边长的正方形，计算正方形内为1的点的横坐标，作为下一个正方形中心点，依次往上可以计算曲线。
深度学习：
车道线目前可以用的网络：lanenet。