computer-vision - 人工环境中的车道检测

我正在编写一个可以在驾驶模拟器中检测车道的应用程序。环境相对简单，大多是直的多车道道路，几乎没有曲率。目前，我可以使用（经典）Hough变换成功检测线条，但问题是HT自然也会检测到非线路的线条。

我怎样才能更有选择性？我没有绘制水平线，但仍有一些线路在进入。理想情况下，我想检测车辆行驶的车道边界。以下是环境的典型图像

这是我到目前为止所做的事情：

1.因为我开车的地方环境差不多，所以我设置了感兴趣的区域（RoI）以排除地平线及其上方的任何东西。

2。阈值图像（我会稍微解释一下阈值的原因）

3。 Canny边缘检测

4。应用霍夫变换

5。绘制检测到的线，不包括具有0.0或接近0.0 的梯度的线

成像阈值的原因如下。如果你看一下上面链接的环境照片，你会看到一条与道路平行的灰色线条。因为它是一条连续线 - 与车道标记不同 - HT最终检测到它。我不能基于渐变来排除它，因为它具有与车道标记相同的梯度。通过阈值处理，我可以删除它，因此只检测作为实际车道标记的行。

以下是上述操作的结果

据我所知，这个问题有很多解决方案，我已经阅读过无数篇论文，但他们似乎都处理的环境比这复杂得多，而且/或者只是简单的方法。为了它的价值，仅仅一个多月前，我没有ComputerVision的背景，所以这对我来说都是非常新的。

更新1：

我想更好地说明这一点，我正在寻找一种模拟车道的方法，以便不包括不适合模型的线条。不幸的是，我不知道从哪里开始使用模型。有什么建议吗？

为了它的价值，我已经设法识别出车辆在其中行驶的车道，并且可以排除不属于“主动”车道的额外线路，可以这么说。希望这张照片会有所帮助

它并不完美，但我认为这是我的想法。在建模之后，我的最终目标是生成车辆的航向/位置。但我只是想首先获得相对强大的车道检测。我希望有一个相对简单的技术可以帮助实现这个目标（不依赖于系统参数，如视场焦距）。