python - Python和OpenCV - 为车道检测提供更好结果的算法

我正在尝试从检测到的图像/视频边缘检测泳道，并对其应用Hough变换。现在，我试图比较霍夫变换和概率霍夫变换的结果。

所以，这是我的结果。（红线是概率霍夫变换的结果，而绿线来自正常的霍夫变换）。

首先，我确定了感兴趣区域（ROI），并在其上完成了许多过程以获得结果。

我已经做了一些数学计算，因此概率霍夫变换和霍夫变换只检测到某些线条（比如定义所需线条的角度）。

霍夫变换：

如您所见，我需要降低霍夫变换的阈值，以便也可以检测到较短的道路（右侧）。但这导致许多不需要的线被检测到，特别是在道路的左侧。

解决这个问题的一种方法是，我想只允许在一定角度范围内检测到一条线（对于道路的左右车道）。

例如，对于从0到90度的角度范围，只检测具有最高投票的线（对于左侧车道），以及从90度到180度，也只检测具有最高投票的线（对于正确的车道）。但我不知道这是否是最好的选择以及可能发生的不可预测的后果（特别是如果我在视频上使用这种方法。）

概率Hough变换：

另一方面，我真的参与了概率霍夫变换，因为我认为它更强大。问题是，它有点不可预测（至少对我来说），我需要一种方法来从概率Hough变换输出的许多行中得到更好的一行。我能想到的一种方法是计算它的梯度，然后用它做出一些东西。

所以，我需要知道是否有任何人可以尝试实施任何好的想法/算法。提前谢谢。