我正在编写一个可以在驾驶模拟器中检测车道的应用程序。环境比较简单，多为笔直的多车道道路，几乎没有曲率。目前，我可以使用（经典）霍夫变换成功检测线，但问题是 HT 自然也检测到不是车道的线。
我怎样才能更有选择性？我还没有画水平线，但仍然有一些线慢慢进入。理想情况下，我想检测车辆正在行驶的车道边界。以下是环境的典型图像
这是我到目前为止正在做的事情：
-
1. 因为无论我在哪里开车，环境或多或少都是一样的，所以我将感兴趣区域 (RoI) 设置为排除地平线及其上方的任何东西。
- 2. 对图像设置阈值（稍后我会解释设置阈值的原因）
- 3. Canny 边缘检测
- 4. 应用霍夫变换
- 5. 绘制除梯度为 0.0 或接近 0.0 的检测线
成像阈值的原因如下。如果您查看上面链接的环境照片，您会看到一条与道路平行的灰线。因为它是一条连续的线 - 与车道标记不同 - HT 最终会检测到它。我不能根据梯度排除它，因为它与车道标记具有相同的梯度。通过阈值处理，我可以删除它，因此只检测作为实际车道标记的线。
这是上述操作的结果
我知道这个问题有很多解决方案，我已经阅读了无数关于这方面的论文，但它们似乎都在处理比这复杂得多的环境和/或简直超出了我的想象。就其价值而言，就在一个多月前，我还没有计算机视觉方面的背景，所以所有这些对我来说都是非常新鲜的。
更新 1：
我想用更好的术语来说，我正在寻找一种对车道建模的方法，以便不包括不适合模型的线。不幸的是，我不知道从哪里开始使用模型。有什么建议么？
对于它的价值，我已经设法识别出车辆正在行驶的车道，并且可以排除不属于“活动”车道的额外线路，可以这么说。希望这张照片会有所帮助
它并不完美，但它是我猜的。在建模之后，我的最终目标是生成车辆的航向/位置。但我只想首先获得相对稳健的车道检测。我希望有一种相对简单的技术可以帮助实现这一目标（不依赖于系统参数，例如视野焦距）。