你好,车道线检测本质上是参数估计问题。在做实际工程时,要回答两个问题:1、车道线的Mathematical Model选什么?2、检测到的车道线到底属于什么类型?对于第一个问题,常用的车道线模型分为两类,参数化模型如Line/parabola/cubic, poly-line/spline, Clothoid, 只需若干个参数,即可描述整个车道线形状;也有基于数据的,如Support Vector Regression, Gaussian Process Regression,这种方法需要有正确数据的支撑,学习出相应的参数。用于车道线的参数估计问题并不简单,因为数据本身除了noise外,还有outlier。一个外点就能让传统的最小二乘法失效。Hough Transform, RANSAC, Least Trimmed Square, Bayesian Filter都可以用来鲁棒参数估计。对于第二个问题,检测到的车道线可以分为白实线、黄实线等,要用到分类的算法,我不是很懂,就不强答了。ps:使用相机检测车道线已经是ADAS的标配了,但是,但是,但是,对无人驾驶而言,相机对环境的敏感性,导致车道线检测有时候会失效。这个时候,最好使用激光传感器作为补充。pps:更进一步,为什么一定要检测车道线呢?Stanford的博士论文就没有涉及到车道线,他们把地面上的有效信息(包含车道线、人行横道、转向箭头、甚至裂缝)拼接为高精度地图,在线定位就行了。