机器学习实践系列之11 - OpenCV实战车道线检测

       ADAS 在经过资本的一轮热炒之后已经不新鲜了，Mobile Eye的技术积累和效果也让很多童鞋叹为观止，然后奋起直指！

       初学者为代表的童鞋，二话不说，上来就是霍夫变换，还是直接用opencv里带的，入门很好，实力一下就暴漏个底掉。又做了一番调研，发现了Hough变换的缺点，然后开始搞模板，形状匹配、轮廓提取、样本训练，效果仍旧不理想，无法应对恶劣天气、不能适应光线变化，总之鲁棒性很差。

       怎么办呢？放弃么？No，越是没有完美解决的问题，越是需要去探索，看到了Mobile Eye的所谓车道线推理（Holistic Path Planning），也不管是真是假，一窝蜂的都去搞灭点，不得不说，国内的研究氛围真是 “热而不沸”。

       作者仅从以下几个角度给出研究方向（不涉及细节）：

一. 轮廓检测

       轮廓检测是车道线识别第一步，通常边缘检测是需要用到的，在理想情况下，边缘检测＋Hough变化 确实能够得到比较准确的结果，但实际的道路通常无法满足这个假设，我们得到的边缘往往是嘈杂的，没有规律的，当然这里面可能有很多原因：路线损坏、老化、遮挡、阴影、强光，不胜枚举。

       不去管它，我们的目标很明确，从这些复杂边缘中 找出真正的 车道线（平行闭合轮廓）。

二. 透视变