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