第17界全国大学生智能车竞赛百度智慧国一车道线检测算法
- front_image文件夹中存放的是小车行驶一圈所拍摄的照片，用于之后循迹算法的离线学习。
- src文件夹中是最终给官方提交的项目报告，综述了一些系统设计思路，但是因为时间原因没有讲得很清楚。
- test_cruise.py文件是传统循迹算法的代码部分。
- 5.1为之前版本（2022.5.1）可以参考里面的说明文档。
大体思路：正如最终项目报告所述，本次车道线循迹从传统方法出发，在大部分情况下可以对车道线进行模式识别，但是其缺陷也很明显：帧数明显不够，处理时间较长（10Hz）。之后我们利用传统方法的输入输出作为数据集，训练出的模型很好地解决了这个问题，并且结合了传统方法的优点，对齐了后续的双层PID，是一次比较好的尝试。
图像预处理部分目的是将图像进行二值化，为后续识别车道线提供便利。这里提供几个思路：
- 色彩颜色空间分割，容易受到光照等影响，并且容易对和车道线颜色接近的（如地标）不太能分辨出。
- 最大连通域分割，提取最大连通域，再进行边缘检测。
将图像纵向分为不同高度的部分，横向分为两个部分（为区分左右车道线）。首先进行横向频域直方图检测，认为左右分别最多的x坐标为起始车道线位置。接下来用窗口在每个纵向空间中框出频数均值，作为这区域y方向的车道线框框。
**梯度部分：**主要考虑为后续控制的转角服务，同时也基于车道线的方向应该为连续变化的，具体详见代码中所述思想。主要即通过求解框框上下x之差来求解此车道线之后的生长方向。
这为十字路口这种含直角的车道线提供了一个解决办法：车道线按照既定的方向生长，而不会跟着原图车道线变化，这样子就实现了十字路口补线的功能。
**去重部分：**如上图，视野中不存在左车道线，但其在图像上端将右车道线识别为左车道线，为解决这部分问题，通过车道线前置方框状态的判断，进行左右车道线去重。
**置信度检测：**去除一些置信度低的车道线，只相信大于或者等于3个方向连续，位置连续的车道线提供的信息。
**拟合中线：**这部分就是利用左右车道线x坐标拟合出中线位置。利用左右车道线梯度方向拟合中线之后的大致变化方向。作为输入输进后续的控制部分。
- 为什么不用曲线拟合？实际赛道车道线存在多种不规则的形状，无法固定出阶次，有些甚至存在多映射的问题，所以最终采用滑动窗口法。
接上部分，输入为：车道线坐标位置和视野终点的坐标差$\Delta x$，车道线变化方向$\theta$，进行双层PID调节，保证车辆保持在车道正中，并且方向对齐道路前进方向。
详见src文件中的文档
2022清华智能车队队长李尚怡
队员：武晓宙，徐超，曹展翔
其他队友：吴宗桓和车队全体成员