3、车道线检测基础：摄像头成像原理、车道线特征提取及Hough变换与曲线拟合
各位同学，咱们今天聊聊车道线检测的底层逻辑。说实话，很多做ADAS的工程师，上来就调模型、跑算法，结果到了实车上，车道线一断、光照一变，系统就懵了。为什么？因为基础没打牢。我当年刚入行时也吃过这个亏，后来老老实实把摄像头成像原理和特征提取啃了一遍，才真正理解了车道保持的“手感”。
3.1 摄像头成像原理：从三维世界到二维图像
摄像头怎么“看”到车道线的？说白了，就是小孔成像的升级版。光线通过镜头，打在CMOS传感器上，每个像素记录下光的强度。但这里有个关键问题——透视效应。
你想想看，一条笔直的车道，在图像里为什么是两条向远处汇聚的线？因为近处的物体在图像上占的像素多，远处的占得少。这就是透视投影。我习惯用一个简单的公式来理解：
u = fx * (X / Z) + cx
v = fy * (Y / Z) + cy其中(u,v)是图像坐标，(X,Y,Z)是世界坐标。fx、fy是焦距参数，cx、cy是主点偏移。这个公式告诉我们：距离Z越大，物体在图像上的位置越靠近消失点。
核心要点：车道线检测的难点，很大程度上源于透视效应带来的尺度变化。近处的车道线宽而清晰，远处的窄而模糊。标定时必须考虑这个特性。
我在项目中遇到过一个问题：某款摄像头安装高度偏低，导致近处车道线畸变严重。后来我调整了标定板的位置，重新做了内参标定，才把这个问题解决。嗯，这里要注意——摄像头安装位置直接影响车道线在图像中的分布，标定前一定要确认好。
3.2 车道线特征提取：颜色、边缘与纹理
图像拿到了，怎么把车道线“揪”出来？我们需要提取特征。常用的特征有三种：颜色、边缘、纹理。我一般按这个顺序来。
3.2.1 颜色特征提取
车道线通常是白色或黄色。白色在RGB空间里三个通道值接近，黄色则是R和G高、B低。但RGB空间受光照影响太大——同样的黄色，晴天和阴天看起来完全不一样。
我建议用HSV或HLS颜色空间。这两个空间把颜色（Hue）、饱和度（Saturation）和亮度（Lightness/Value）分开，对光照变化更鲁棒。举个例子：
// 提取白色车道线（HLS空间）
if (L > 200 && S < 30) {
// 这是白色像素
}
// 提取黄色车道线
if (H > 20 && H < 40 && S > 50 && L > 100) {
// 这是黄色像素
}我曾经在一条老旧的柏油路上测试，路面颜色偏灰白，白色车道线几乎融进去了。后来我把亮度阈值从200降到180，同时增加了对比度拉伸，才勉强提取出来。说白了，阈值不是死的，要根据实际场景微调。
3.2.2 边缘特征提取
颜色提取不够用怎么办？加边缘检测。车道线和路面之间通常有明显的亮度跳变，这就是边缘。
我常用的算子有两个：
- Sobel算子：计算水平和垂直方向的梯度。对车道线这种近似垂直的边缘，我一般用垂直方向的Sobel。
- Canny边缘检测：先高斯滤波去噪，再计算梯度幅值和方向，最后用双阈值筛选。效果比Sobel好，但计算量大一些。
个人经验：在高速场景下，车道线边缘比较清晰，用Sobel就够了。但在城市道路，路面有各种标记、阴影，我建议用Canny，配合形态学操作（膨胀、腐蚀）把断开的边缘连起来。
3.2.3 纹理特征提取
颜色和边缘都搞不定的时候，试试纹理。车道线表面比路面更光滑，纹理更均匀。我常用局部二值模式（LBP）或Gabor滤波器来提取纹理特征。
不过说实话，纹理特征在车道线检测中用得不多，因为计算量太大。我只有在极端场景（比如雪天、雨天）才会启用。平时用颜色+边缘就够用了。
3.3 Hough变换与曲线拟合
特征提取完了，得到一堆像素点。怎么把这些点变成一条线？这就是Hough变换和曲线拟合的活儿了。
3.3.1 Hough变换：从像素点到直线
Hough变换的原理很简单：把图像空间中的每个点，映射到参数空间中的一条曲线。如果多个点对应的曲线交于一点，那这些点就在同一条直线上。
参数空间通常用极坐标表示：
ρ = x * cos(θ) + y * sin(θ)其中ρ是原点到直线的距离，θ是直线的角度。我习惯把θ范围设为-90°到90°，ρ范围根据图像尺寸来定。
避坑指南：我曾经在一条弯道上用Hough变换检测车道线，结果直线拟合出来的线完全不对。为什么？因为Hough变换只能检测直线，弯道必须用曲线拟合。所以，Hough变换只适用于直道或近似直道的场景。
3.3.2 曲线拟合：从直线到弯道
弯道怎么办？用曲线拟合。我常用的方法有两种：
- 多项式拟合：用二次或三次多项式拟合车道线点。公式很简单：
y = a * x^2 + b * x + c其中x是图像的行坐标（纵向），y是列坐标（横向）。a控制曲率，b控制斜率，c控制偏移。
- 样条曲线拟合：用分段多项式拟合，适合曲率变化大的弯道。但计算量比多项式大。
我个人的习惯是：高速场景用二次多项式，城市道路用三次多项式或样条。为什么？高速弯道曲率变化小，二次就够了；城市道路弯道急，需要更高阶的拟合。
3.3.3 实战中的取舍
在实际项目中，我不会只用一种方法。我通常的做法是：
- 先用Hough变换检测直线段，判断车道是直道还是弯道
- 如果是直道，直接用Hough变换的结果
- 如果是弯道，用多项式拟合，同时用Hough变换的结果作为初始值
这样既保证了直道的实时性，又兼顾了弯道的准确性。嗯，这里要注意——Hough变换的参数（ρ和θ的分辨率）直接影响检测精度。分辨率太高，计算慢；太低，漏检。我一般设ρ分辨率为1像素，θ分辨率为1°。
总结一下：车道线检测的基础，就是理解摄像头怎么成像、怎么提取特征、怎么把特征点拟合成线。这三步走扎实了，后面的车道保持控制策略才有根基。我见过太多人跳过基础直接调参，结果出了问题都不知道从哪查起。别急，慢慢来。
下一章，咱们聊聊车道保持的控制策略——怎么根据检测到的车道线，算出方向盘该打多少。到时候我会分享一个我踩过的坑，关于PID参数整定的，保证让你少走弯路。