Lanes Finding with Computer Vision
利用计算机视觉进行道路检测，一般包括6部分：摄像头校正(camera calibration)、图像失真校正(distortion correction)、色彩/梯度二值化(color/gradient threshold)、视角转换 Perspective transform 、行道线检测(Detect lane lines)、 道路弯度测量(Determine the lane curvature)
Calibration 校正
首先要对失真的程度进行测量，然后根据measurement的结果进行undistort
这个东西叫做chessboard pattern, 用的时候从不同的角度拍这个chessboard，利用的是每个方块的corner去校正 (图像要记得转成灰度图)
得到的结果其实只跟拍照的相机有关。对于每个的镜头，要单独做一遍这种校正。
Distorition 图像失真
理论上，只要不是针孔摄像机，基本都会存在图像失真的问题（透镜成像更快点，针孔相机这点上比不了）
图像失真会影响到道路检测（将直线判断成曲线），车辆检测（用CNN检测的时候，识别出来的车比实际更大或者更小）
由透镜引起的失真主要是两个:
- 径向畸变(Radial Distortion)
原因是光线穿过透镜的边缘时发生的偏转大于穿过中心发生的偏转
- 切线畸变(Tangential Distortion)
原因是光线穿过透镜之后并没有垂直打在成像平面上
ROI (Region of Interest)
道路检测要先从摄像头视角获取道路信息，然后选取ROI(目标区域), 包括选颜色和选区域。
选颜色比较接近直觉, 路上的线也就两种颜色，要么白线，要么黄线。
白线其实比较好找
但是黄线的话就不能直接用原图了。要先把原图分成RGB三层
而黄色的线在蓝色那层是看不到的
（因为是互补色）
选区域是可以直接利用CV解决的问题。
从车头视角向前看，大部分像素都是没有用的。尤其是天空的部分。对于自动驾驶来说差不多等价于干扰信号，基本上可以直接过滤掉
Color Space 色彩空间
在RGB色彩空间（以RGB建立三维空间）中，白色是由红绿蓝三种颜色的最大值组成的。
因此想获得白线，可以通过设置RGB值的阈值
但是这种情况下，会丢失黄线的信息。一般的处理方式是使用别的色彩空间，比如HSV, HLS, LUV...
其中HSV（色相、饱和度、明度）和HLS（色相、亮度、饱和度）使用最多
HLS (hue, saturation, lightness)
也叫HSL，甚至叫HSL的还更多点。
其实图像本身在光亮条件下变化最大，HS信道一般倒是不怎么变。所以我们把图像按照HSL拆分，在S信道下黄线非常明显
Canny Edge Detection
下一步是使用边缘检测算法寻找边线。如果我们把视图当成一张灰度图来看待，那么每一条边其实都在明暗块交替的位置
通过计算亮度的变化，可以把原图转化成一张梯度图
然后再将结果锐化，得到亮度数值变化最大的像素点
实际上，在做Canny算法之前，要对图像做高斯平滑(Gaussian smoothing / Gaussian Blur) ，消除噪声和伪梯度点
(题外话) Sobel Operator 索伯算子
首先，为什么卷积神经网络会有卷积(convolution)这种操作…
看完Sobel算子总算懂了，卷积这种运算讲究的是一个信号叠加。相比于Canny边缘检测，Sobel边缘检测其实更容易理解（然而还是Canny效果好）。
Hough Transform 霍夫变化
Hough Transform是图像变化中的经典算法，主要用来寻找图像中符合某种特征的集合，说白了就是检测直线、圆、椭圆。
Hough变化要将笛卡尔坐标下的点变化到霍夫极坐标系，原来的点共线问题会由此转化计算成曲面在极坐标下的共点，效果上就是该算法对边缘间断不敏感。大致上是这个意思，实际操作的时候是统计累加空间里的局部最大值（峰值），以该峰值作为结果（所以说抗噪能力还是很强的）。
总结一下就是：
原图 -> 灰度图 -> 边缘检测 -> 直线检测 -> 过滤掉斜率过低的直线 -> 将最后结果叠加回原图
Perspective Transform
由于Perspective的存在，2D图像存在近大远小的现象
这样会导致原本平行的行道线，出现汇聚的趋势
因此需要把视角转换成俯视
将行道线还原到平行
Lane Curvature
解决道路弯曲(Lane Curvature)问题，实际上比较复杂。先要依次校正原图
选取ROI
然后要进行视角转换(Perspective Transform)
最后根据俯视图(Top-down view) 用二次函数拟合行道线
Sliding windows 滑动窗口
在检测弧线的过程中，首先在图像底部选取一小段，在垂直方向做直方图
将顶点连接，变成峰值图
出现峰值的地方是行道线的位置
以此为起点，使用逐步向上移动，每次处理一小段图像
这种检测模式叫做滑动窗口
一旦拥有了第一帧的行道线位置，在随后的检测中可以利用边缘检测 + ROI 的方式获得之后的行道线
得到道路的二次函数并没有用，从驾驶的角度来看，真正需要的是当前的转弯弧度。所以需要求出图片组的曲率半径(radius of curvature)，在对应计算出现实中的曲率半径
最后
还有一些小的细节，包括Offset, Sanity Check, Look-Ahead Filter, etc. 懒得讲
Vehicle Detection 车辆检测
在 CNN (Convolutional Neural Networks 卷积神经网络) 普遍运用之前，车辆检测是通过使用条件随机场或者SVM(支持向量机)来实现的。操作上分为两步，先是从图像上提取特征，然后基于特征建立模型，判断车辆位置。
template matching 模板匹配
对于图像上的每一块颜色，计算与背景图的distance
甚至更硬核一点，直接把各种可能的车辆图片存起来，然后跟相机视角的图片进行比较
这类解决方案统称 template matching
Color Histogram
template matching的缺陷也很明显，对于没有预存过的模板，自然无从识别。因此出现了 Color Histogram方案
将车辆的模板转换成颜色直方图，运算时比较目标物体与预存直方图的相似度。优点是同一个物体在不同角度仍可识别。比如对于一辆红色的车，从不同方向看过去，模板匹配无法很好地识别，而利用Color Histogram则不受影响。
HOG
Histogram of Oriented Gradients (定向梯度直方图), 相比于之前的特征，HOG特征更加健壮，并且无视颜色的影响。
操作的时候，首先捕捉图像的轮廓与纹理信息
然后将图像划分为多个cell。对每个cell计算梯度方向
统计每个cell的局部直方图
将结果归一化，得到的主方向将成为局部特征梯度方向
汇总每个cell得到的局部信息，就可以得到HOG特征
Features Combination
首先是数据预处理，这里主要是进行特征组合。
比如HOG特征是针对梯度信息的特征，HSV特征则是针对颜色信息的特征
可以直接将二者拼接，得到颜色+梯度的组合信息
这里面有一些要注意的地方，一般多个特征拥有不同的模量，所以数字上相差很大
那么就需要进行正则化，将数据对齐
还可以利用决策树等方法，舍弃影响不大的变量
Sliding Windows
使用滑动窗口进行车辆检测，在这种场景下有一些机巧
首先还是ROI, 车辆其实只会出现在图片的下半块区域
其次可以预先设定好车辆可能的最大宽度和最小宽度
这样在检测时进行有限的multi-scale window
减小搜索空间
Multiple Detection
最后对于同一车辆的Multiple Detection
建立heat-map，计算中心位置
Build Model & Tracking
模型的选取倒是比较简单，SVM, Decision Tree, Nerual Network, etc. 这些都是常见的选择
针对每一帧图像，检测车辆位置，形成连续追踪
Behavior Cloning 行为克隆
使用神经网络进行无人驾驶的理论基础来源于Imitation Learning (模仿学习)。行为克隆算是Imitation Learning的一种。思路倒是很简单，将人类驾驶作为基础数据全部收集下来，然后让神经网络去拟合数据。目前Tesla主要采用的就是Behavior Cloning.
这类端到端的解决方案基本上是一个路子，优点：简单且有效，缺点：受限于收集的数据。因为训练集总是有限的，如果出现了神经网络之前没见过的数据，那么效果就会很差。
一个比较经典的条件是天气，下雨天的路面跟晴天的路面不一样，有雾的天气下道路能见度也会对摄像头收集的数据有很大影响。
原发布于掘金。2019年初迁移至思否