到目前为止，我已经使用两个HoughLines完成了实时视频源中的行检测部分和HoughLinesP。这是我的视频提要中的屏幕快照以及到目前为止我得到的输出：
到目前为止，我检测机器人向左还是向右的逻辑是基于HoughLines函数的（rho，theta）输出。我想要实现的是一种更强大的跟踪机器人如何偏离车道的方法。某种中心线标记，可用于检测机器人是否从中心移开。我仍然对OpenCV和python还是陌生的，而我坚持的部分是转换检测机器人车道偏离的逻辑。
我的理解是，将车道上的线平均为两条线（左右车道），然后对它们的斜率进行操作应该会得到一些结果。但是，我无法将其转换为代码。我会很感激关于检测机器人车道偏离的任何建议。谢谢！！ :)
#1 楼
最好的方法之一是结合使用霍夫变换（取得的成就是不错的）和逆透视变换（如http://www.vision.caltech.edu/malaa/publications/aly08realtime.pdf）。这是因为，反向透视变换在“非常近”和“非常远”的距离处失败，因此可以补偿霍夫变换。本土化;如果两个边缘之一缺失，则表示机器人最有可能不在车道上；我们可以找出中线（经过反透视变换并通过霍夫线融合进行滤波后的两个边缘的平均值），然后使用评估函数来确定机器人与车道中心的距离。如果交叉路口和平行车道（一个车道与另一个车道同时检测到两个车道），则该解决方案肯定会失败。在这种情况下，必须进行某种类型的映射或路径规划（与在交叉路口更改车道和错误路线有关的成本）。因此，此解决方案仅适用于本地。
为了进行更多学习，可以使用自动编码器进行转向角估计（如https://arxiv.org/pdf/1608.01230.pdf；但是，太多的模糊可能意味着简单的平均，非常精确的自动编码再现意味着过度拟合；数据集可以在这里找到https://github.com/commaai/research）。