车道线拟合笔记

1、车道线分类：

按照道路交通标线的功能划分为：指示标线、警告标线和禁止标线。

按标划方法可分为：白色虚线、白色实线、黄色虚线、黄色实线、双白虚线、双白实线、双黄虚线和双黄实线等。

按作用又可分为：车行道中心线、车道分界线、停止线、减速让行线、人行横道线、导流线、导向箭头和左转弯导线等。

2、目前视觉_车道线检测方法：

一般的车道有三车道或者四车道，固定的前方摄像头的视角范围内，由于车辆周围的其他车辆的遮挡，不能够稳定的提取所有的车道。检测当前车道线，被检测的车辆中不处于前方同车道内的车辆就可以根据被检测车辆坐标与当前车道线距离关系划分为左右两侧车道内的车辆。

基于霍夫之间检测、基于LSD直线检测、基于俯视图变换的车道线检测、基于拟合的车道线检测、基于平行透视灭点的。

2.1 基于霍夫的车道线检测 （直线拟合）

其原理是将图像的笛卡尔坐标系统转换到极坐标霍夫空间，从而完成点到曲线的变换，对应的每个像素坐标P(x,y)被转换到(r,theta)的曲线点上。

同一条直线上的点P(x,y)都满足x*cos(theta) + y * sin(theta) = r ，这样一组(r,theta)常量就对应了图像中位移确定的一条直线。遍历图像感兴趣区域的像素点时，不断的累加每个(r,theta)对应的数据点个数，当某一对(r,theta) 对应的统计的点数达到我们设定的阈值时就认为这些点在一条直线上，通过霍夫检测的同一条直线上的的点的个数，可以过滤掉很多干扰直线。

通过测试，这种算法有良好的鲁棒性，对于白天和夜晚都具有良好的适应性，车道偏移基本功能实现，满足了对一般环境的要求，不足之处是对于曲率半径大于100的车道线还不能够识别。

2.2 基于透视变换的车道线检测（滑动窗口_拟合）（使用python的 np.polyfit 函数）

采用透视变换将前方图像的路面变换为俯视图，在俯视图中提取车道线（寻找车道线的特征，按照灰度值进行二值化，然后采用边缘检测，得到车道线的边缘轮廓，将检测到的车道线提取出来）。军事交通学院采用这种方法进行车道线检测，这种方法的优点是，可以找到多条车道线，实时性比较好，但是对于复杂路况稳定性比较差，透视变换时图像的损失比较大，在俯视图中不一定能够检测到变形后的车道线，受到周边物体遮挡影响严重，不适用于路况复杂和摄像头的视角比较小的前方视野。

2.3 基于拟合的车道线检测（梯度_拟合）

边缘点拟合依据的原理是：车道线是白色的，而路面是灰色的，车道线和路面存在稳定的灰度梯度差，通过设定合理的阈值，就可以将车道线的边缘提取出来，提取的车道线的边缘点有很多，找到同一水平位置相邻的车道线的边缘点，取他们的中点作为车道线上的一点，依次方法得到整个车道线的点，由于车道线的与路面的颜色灰度值会受到颜色变化的影响，所以单一的阈值分割出来的边缘点并不在车道线的中间，而是在一个区域内，车道线提取的中点集合并不是在一条直线上，而是分布在直线的两侧，要得到最终的车道线需要对这些点进行拟合，一般采用拟合函数进行拟合。清华大学、重庆大学等一些高校采用这种拟合的方法。这种方法的优点是计算量较小，可以拟合带有曲率的车道线，缺点是环境适应性差，受光照干扰较大，稳定性差。

2.4 RANSAC抛物线拟合

3、不同线形说明

在现代道路设计中，道路有比较固定的设计模型，因此，对于高速公路等道路类型，车道的几何模型可以 以固定的形式表示。

车道弧长、曲率、偏航角、横向偏移量构成车辆与车道几何模型的要素。车道一般由直线、圆弧和缓和曲线构成，缓和曲线通常是不同曲率的圆弧或直线的连接过渡，其曲率均匀变化，螺旋曲线是缓和曲线常用形式。

道路曲率与弧长（路长）的关系：C = C0 + C1L.

C0为起始点曲率，C1为曲率变化率。C0，C1都为0时，直线; C1为0时，C0不为0，圆弧；C1不为0时，缓和曲线。

在世界坐标系下，或俯视图下，在相机可视范围内，若车道的变化方向较小，则道路可用圆弧近似表示：

道路的坐标可以由弧长和曲率一般表示为：y = L x = 0.5CL^2

若相机与车道的横向偏移量为d，与车道的夹角为a，则车道模型为：y = L x = d + aL + 0.5CL^2

从公式来看，这是一个抛物线模型。这里没有考虑曲率变换率，即忽略了高次项(C1*L^3)/6。

基于视觉的车道模型经历了，平行直线模型 --> 固定曲率圆弧模型 --> 螺旋曲线模型。道路模型的精度不断提高。

使用哪种模型，要根据系统的实际需求。如早期的系统里，检测大路（highway）中10米内的车道状况，应用简单的线性模型即可。而车道偏离告警（LDW）系统中，在高速公路上，需要30米-40米的精确的道路模型，这时，螺旋曲线（高阶）或抛物线（二阶）模型就更为精确。