上週的思路： https://blog.csdn.net/u010712012/article/details/85082271

上週的flag：
1.車道線怎麼單獨給檢測出來，能不能通過閾值處理/ROI選取，把其他非車道線的部分給濾除。因為高速公路車道線基本都是白線，所以用閾值可能管用，或者彩色空間也可以試試。看看專門檢測車道線的論文，只剩下背景和車道線的，相當於車道線分割提取出來的論文，是這周到的重點。12.19-12.25

2.車輛檢測，這個用YOLO可以把車輛分類出來還能有一個bbx，怎麼在一張圖片中單獨檢測出有車，這個恰好是目前深度學習的優勢，或者有HOG_SVM檢測車輛，這個就是需要得到車輛的特徵，機器學習演算法無非就是我們人為給是車輛的標上正，不是的標負的標籤，然後用大量資料去訓練，最後計算機才知道一張圖片當中是不是車。這個也努力弄出來12.19-12.25

1.車道線檢測成果

1.1顏色空間嘗試
車輛違章壓線和變道的前提就是車道線檢測，利用閾值分割的手動閾值與OTSU演算法得到黑白二值閾值分割圖，這裡取的200，黑色的車被濾除了，白色的車道線和白色的車輛都能被濾出來，但是能不能用其他的顏色空間來研究？最終對車道線檢測有幫助？

HSV空間的解釋：https://blog.csdn.net/u010712012/article/details/85240100

這裡的飽和度Saturation，值越大，顏色越純，V亮度越大，影象越白。

HLS和HSV不一樣，所以可以看到圖片的狀態不一樣。HSB 中的 S 控制純色中混入白色的量，值越大，白色越少，顏色越純；HSB 中的 B 控制純色中混入黑色的量，值越大，黑色越少，明度越高；HSL 中的 S 和黑白沒有關係，飽和度不控制顏色中混入黑白的多寡；HSL 中的 L 控制純色中的混入的黑白兩種顏色。

以下是經過RGB三通道split之後的圖，可以看到B通道的圖對比度很高，車道那塊區域感覺會很容易被區分出來。

再進行閾值分割後：這張圖閾值是145

我們看到B通道和R通道的背景會沒那麼多幹擾，於是就將這兩個通道給合併融合，如下：

如果是將融合的雙通道圖片經過高斯模糊，再取相同閾值145

可以看到背景基本沒有噪點了，這可能也是為什麼影象預處理都需要有降取樣，平滑的操作。

再對高斯平滑去躁的影象進行邊緣檢測，得到如下圖。

再對邊緣檢測的結果進行形態學的閉操作(先膨脹後腐蝕)，把線與線之間的間隔或者斷續的地方進行填充補全。

2.車輛檢測結果

用的YOLO_v1，這是詳解：https://blog.csdn.net/u010712012/article/details/85116365

我用的是網上的檢測程式碼，別人已經通過訓練得到了初始模型和權重，我拿來自己測試，可憐的是置信度低的可怕，而且小物體基本識別不出來。

原因一是模型yolov1本身的缺陷，二是資料集我無法知道質量和數量。

所以後面需要自己拿無人機去航拍並且標註，得到自己的資料集去訓練和檢測。

思考與計劃2018.12.25-2019.1.1：

這個課題最終應當是作為專案來實現，並能夠寫出論文。演算法專案就必然有方法方案的對比優化，並用抽象的數學模型去解決現實的問題。

因為需要檢測出車輛是否壓線，那麼有兩種思路：

1.如果是在有偏航角的二值影象中，怎麼判斷哪些是實線，哪些是虛線？有篇論文中設定峰值閾值peak_threshold來表示影象空間的車道線。設定 $T_{max}$表示檢測實車道線，當檢測出的直線長度大於閾值，就認為該直線是實車道線，否則小於閾值就不是。用變數 $T_{min}$來表示檢測虛車道線的閾值，當檢測到的直線大於該值，就是，否則就不是。這裡其實我不太明白，那介於中間的是什麼？

或者我們只顯示感興趣區域的實線部分，虛線部分我們不做處理，如果是深色車輛壓在線上，投影部分實線必然會有斷續，實線斷續前一部分判斷是否大於實線閾值，大於的話再判斷與他斜率一致的斷續上面的那一根實線，如果也大於實線閾值，就說明彷彿是實線了！看車輛檢測模組的情況是否在那裡有車。如果是亮色白色車輛壓線，二值圖就有線上那裡有一塊白色區域，那麼就在檢測車輛的那一部分如果檢測到車(YOLO演算法框定車)，那麼兩張圖進行計算機影象匹配，就能判定是車輛壓線。

2.用Hough變換檢測出的車道線（彩色圖原圖），與YOLO檢測出的矩形框進行線與矩形的相交數學判定，進而判斷是否壓線。

這兩種判斷壓線演算法可以算作論文一小部分對比。

以上情況在無人機有俯仰視角時和垂直拍攝時是有區別的，垂直情況會更好判斷，所有這裡論文也可以進行演算法情況對比。

計劃
2018.12.25-2019.1.1：
1.把yolov2，yolov3原理搞懂，並用coco資料集/voc資料集實現(ubuntu)。28,29,30
2.拍攝自己的航拍車輛資料集，調研標註方法。29
3.車輛壓線演算法模型調研。影象處理方法，數學方法，與上述步驟銜接。30,31,1