【SJTU智慧出行--无人驾驶比赛】道路检测之对于利用Sobel算子来求方向梯度的一些测试

前几天把电脑摔了个球了，今天终于能正常的进行下去了。吐槽一下那个教超的修理店，真黑，给别人装个office都要30块。

参考连接：https://github.com/shawshany/Advance_LaneFinding

在上面的github中有一个函数directional_gradient(img,direction='x',thresh=[0,255])是对图像的x方向求梯度

函数里面有这么一个语句：

    binary_output[(scaled_sobel>=thresh[0])&(scaled_sobel<=thresh[1])] = 1

我对这个Sobel算子的理解也仅限于他能做边缘检测，对于更深的东西我也理解不了，对于这个对他进行uint8转换后的阈值选择，我也理解不了到底是什么意思，所以我就来实验看看阈值不同到底会有什么影响呢？

只进行求x梯度然后转为灰度图，不进行阈值的二值化

可以分析一下，这些值是从0~255进行分布的，对于选取符合阈值的进行二值化就是把指定范围的留下。如果要选取一个比较精确的阈值范围，那么就需要把车道线部分的最大和最小值选取一下将这部分保留为1就ok了吧。

说到这我有个大胆的想法：我们可以先做一个视野变换，把需要的车道线部分取出，然后再用阈值进行选择二值化，这样是不是就少了很多噪点？也不用一个一个地去试阈值到底合不合适了。但是我看这那个github下面去噪声写的还行，先进行下去看看吧，毕竟还是个比赛。我又看了看灰度图，其实可以直接选择车道的数字进行二值化，可以一试。

欢迎大家来讨论鸭~