基于Hough变换的道路检测

Question

使用Hough变换可以检测和跟踪自动驾驶汽车中的道路吗？如果是这样，是否有任何算法实现这一点？我希望能找到一个与我无关的链接。

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，如果还有其他更简单的算法执行这项工作，我也愿意看看它们。

Answer 1

是的，你可以做到这一点，但如果你做的就是它可能无法达到你想要的质量。任务并不简单，没有“简单”算法可以根据图像进行“道路”或“前进”检测。另外，there are existing implementations in a number of languages, here's one in C++。

你应该考虑的一件事是道路并不总是直的，所以消失点可能在路上转弯......

Stanford DARPA Grand Challenge和DARPA Urban Challenge车辆使用基于颜色的检测来检测可驱动的表面（例如道路），然后使用某种边缘检测和线形成算法（目前还不清楚它是否基于Hough变换）来定义对道路方向的“前瞻性”估计。我确实相信他们使用某种系统来检测消失点，他们肯定会解决道路上的转弯。

我认为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），然后找到收敛点。这假设可以解决许多其他困难任务：（1）您的图像具有适当的质量; （2）你可以检测道路，或至少检测它的边缘; （3）您可以足够快地处理图像以跟上车辆运动。

如果你所做的只是分析一些现有的视频，我会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，找到图像中所有道路的像素;这将有助于分为三个课程：道路，非道路和天空。
2. 找到地平线（这大致是你的道路/非道路和天空等级相遇的地方
3. 使用简单的边缘检测器（比如Sobel边缘检测器）来区分道路和非道路之间的边缘
4. 在Sobel边缘上应用Hough变换以绘制道路边缘的“线”
5. 找出路线在地平线上相遇的地方

Answer 2

您实际上可能会考虑针对此问题调查Graph-cuts和高斯混合模型。它可能对你很好。 OpenCV具有这两种算法的实现。以下是这两种算法用于细分的example应用程序。