前情提要

圖片來源：辨識出公路上的道路標線

昨天講到了利用影像做車道辨識的流程，其中一個環節是從邊緣找出一條線性的方程式。

最常看到的找線性方程式的方法是最小二乘法、RANSAC、霍夫轉換，今天就把三者做個比較，因為我自己有實際拿同樣的數據跑過這三者的結果。目前還沒有時間做表格化整理，未來有機會的話再補上，目前就先以文字敘述。
先簡述三者：

最小二乘法

又稱最小平方法（least squares method），目標是在一群點之中，找出一條直線，這一條直線與每點的直線距離平方和可以是最小的。除了找直線也可以找曲線、圓形等等。

RANSAC

隨機抽樣一致算法（RANdom SAmple Consensus、RANSAC），以迭代的方式隨機抽取部份的點作目標模型（線）匹配的測試，如果符合誤差內的話就被歸類為｢內群點」（inlier），反之為｢離群點」(outlier）。
圖片中的紅點是RANSAC完後它判斷為｢離群點」、藍點是為｢內群點」。

這個模型可以是任何形狀或圖片等等，可作為特徵提取的演算法。

霍夫轉換

Hough transform，也是一種特徵提取的技術，採在參數空間中執行投票來決定物體的形狀，常見用於找直線或圓，原理是每條線都會有一個公式表達
斜截式
法線式

那一個點能被很多條線通過，我們把所有通過某點的線之參數（參數空間）or記錄下來，經過最多點的線之組參數空間，就是我們要的方程式。

通常會用是因為斜率的表示會有線為垂直時斜率無限大的情況發生。
除了線和圓，也可以找平面～我做過！！！

結論

這幾個方法都可以找出車道標線，不過最小二乘法不考慮｢離群點（雜點）」的情況，誤差會比較大。RANSAC是改善了最小二乘法，如果給的模型夠精準，可以找出我們想要的那『一條線』。霍夫轉換的話可以一次找出『多條線』符合的線，但要注意在線有固定數量的情況下，要小心局部最大值的部份。