1.前言
车道线检测无论是在车道偏移预警系统（LDWS）还是辅助或者自动驾驶中都显得尤为重要，并且是很基础的模块，自动驾驶中对于行车预测等方面的重要依据。
目前已经提出了很多车道线检测方法，简单算法对于车道线大部分被遮挡、各种交通参与者存在的情况，往往出现误检测；复杂算法抗干扰能力强，但是实时性又不好。这里使用霍夫变换求取直线，卡尔曼滤波进行车道线跟踪。
2.模块介绍
1.预处理模块：图像ROI区域提取，优化ROI提取，基于kalman滤波的ROI提取，图像均衡化，图像中值滤波
2.边缘提取模块：使用不同大小的图像自动计算canny阈值，选出最大的canny阈值对ROI图像进行处理，soble边缘化，canny边缘提取
3.指数平滑模块：一阶指数平滑初始化，指数平滑计算（需要初始化后才能计算）
4.直线提取模块：直线进行霍夫变换，通过标准差筛选符合要求的直线，使用直线拟合建立直线模型y=kx+b(以图像x，y为坐标)
5.卡尔曼滤波模块：车道线卡尔曼滤波器，对预测出来的道路的左右车道线的 x 坐标（共 4 个）进行滤波跟踪
模块组成图
3.优点
1.程序不断获当前局部最优值作为输出
2.卡尔曼滤波增强其鲁棒性
3.程序是一个不断更新与反馈的过程，期间不断在更新当前认为最好的结果
4.程序中虽然包含很多阈值获取或计算的问题，大部分阈值仍通过自动化计算获得，尽量不使用固定值或经验值，增强其适应性
4.BY THE WAY
1.程序测试过KITTI的车道线dataset，其中包括，没有车道线，阴影遮挡，车辆压线遮挡等情况
2.测试过不同的道路以及雨天的情况，雨天的路况更加复杂，仍有不错的效果
3.以后会传上不同测试视频
**************************************************
增加实际拍摄道路上的视频