由於網上有很多車道線檢測的案例，而且在Udacity的系列課程中也對此進行詳細的介紹，因此在此簡單總結一下幾種方法。
1. 邊緣檢測+霍夫變換
- 方法流程：彩色圖像轉灰度，模糊處理，邊緣檢測，霍夫變換
- 這種方法一般能夠檢測出簡單場景下的車輛目前行駛的兩條車道線，以及偶爾的相鄰車道（依賴前視相機的角度）。該方法可以利用霍夫變換的結果（線的斜率），進一步過濾出左右車道線。不過同時，該方法也依賴於邊緣檢測的結果，所以調參（邊緣檢測、霍夫變換）以及其他的trick（roi選取等等）是很重要的。
2. 顏色閾值
- 方法流程：將圖像轉顏色空間（一般HSV），對新的color space中的各個通道設置閾值（大於閾值取值為1，小於取值為0），得到結果。
- 該方法依賴於各通道的閾值的選取，只需要調整幾個閾值參數，但個人認為該方法魯棒性會較差，例如當前車輛前方的車輛可能會被全部置1。
3. 透視變換
- 方法流程：獲取透視變換矩陣，透視變換，車道線檢測（1或者2）
- 該方法的優點是將前視攝像頭抓拍的圖像轉為鳥瞰圖，能夠檢測到多條線。其關鍵在於透視變換矩陣的准確性（不考慮轉換后的車道線檢測），對於轉換后的鳥瞰圖，可以通過上述兩種方式檢測車道線。
在實際場景中，傳統方法的魯棒性確實不行，除去光照和鄰近車輛的影響外，車道中間的指示箭頭和人行道也是此類算法很難處理的挑戰。因此，需要結合很多trick。
不過這些方法的實現都很簡單，目前的opencv的python接口和c++接口均有相關的接口。
推薦參考：https://blog.csdn.net/liaojiacai/article/details/63685342