车道识别

Question

假设我们在路上有一台高摄像头。

让我们说它是一个数据流。

我们可以使用什么来制作能够识别穿越车道的汽车的软件。

让我们说有一条实线，我们想检测穿过实线的汽车。

我正在寻找有助于以这种方式实现这个想法的软件包，但是如果你有一个不同的方法，它仍然可以提供创意。

• 按图片解析视频流图片。
• 识别汽车和车道。
• 识别白线所在的位置（包括之前的知识）
• 计算车辆
• 找到穿越车道的车辆
• 找到穿过实线的汽车。

对于简单的情况，如果汽车穿过一条车道，即实线，那么你看不到两侧的实线，就没有越过实线。

视频中的每张图片都是无状态的。（可以计算的数量多于汽车）。

下一阶段是识别汽车并尝试计算每辆车一次。

我知道一些编程语言。并且代码用于开源，所以我不会购买任何包。

Answer 1

正如您所注意到的，这可以自然地分成三个较小的子问题：（1）识别车道，（2）识别车辆，以及（3）检测车辆何时穿过车道。这就是我解决问题的方法：

车道识别

根据您的设置“好”，这可能从简单到非常困难：

1. 相机是否已经固定好了？马路？如果是这样，请手动注释通道。
2. 整条视野的车道相对直线？如果是这样，请使用Hough变换。
3. 相机是否笔直向下？如果是这样，请使用调整为线宽的固定宽度滤镜。
4. 使用可变宽度滤镜纠正透视失真的影响。

如果你最终处理明显的透视失真，麻省理工学院DARPA团队的这两篇论文提出了一个使用相机校准来纠正效果的解决方案：

• Albert Huang。利用视觉和激光雷达估算自主车辆的车道。博士论文，麻省理工学院，2010年。
• 甲。 Huang，D。Moore，M。Antone，E。Olson和S. Teller。城市道路网络中的多传感器车道发现。论文集 机器人：科学与系统，苏黎世， 瑞士，2008年。

汽车识别

如果您可以在帧之间存储某些状态，那么检测汽车的最简单方法是使用背景减法（即“任何移动得足够快的东西都是汽车”）。删除背景后，剩余像素可以使用连通分量算法（例如填充）分组为类似汽车的块。

没有状态，这就变成了一个更复杂的对象识别问题。

车道偏离检测

假设其他一切正常，这是相对简单的。检查被识别为汽车的任何像素是否与被识别为线条的任何像素相交[或在某个容差范围内。]