传统方法（udacity）：
1、提取roi区域,如果roi区域内有检测到的其他目标，则使用则置mask=0，该区域就变成了黑色。然后对提取的ROI区域内使用sobel分别做水平和竖直方向上的边缘检测，正好将bbox上边缘的框去掉。得到基本的包含车道线的二值图像。然后再使用hough变换检测直线，然后计算直线斜率，统计得到斜率为正的是左车道线，斜率为负的是右车道线。然后分别计算正负斜率的平均值和方差，只保留为
色彩阈值法：
1、检测车道的另一个依据就是车道的颜色特征，车道只有两种颜色，黄色和白色。对这两种颜色进行过滤，从而提取车道像素。
(RGB)颜色阈值化在正常光照条件下能够很好的过滤出车道线像素，但是在复杂环境光照情况下并不稳定。（过曝）
（可能可以尝试下HSV空间）
（HSV组合梯度信息，能够更好的提取车道） （没来得及一一验证，哪一个效果更好）
（但是在实际提取过程中，需要考虑，模型(车道模型)，置信率，曲线拟合 ）（检测到的斑马线信息，应该不符合车道线模型。）
2、滑动窗口与多项式拟合
按照y轴选取9个窗口滑动。得到9个点后，通过
选取了几个关键点，使用opencv能够直接画出曲线。
数学上可以使用最小二乘法拟合。
先构造一个x^n的多项式，然后将x值带入，与实际的y值做差，使得差的平方之和最小。差的平方之和的多项式，关于每一个系数求偏导数。令其偏导数为0。将n个方程组组合，求出左右的系数。然后再将系数带入元多项式中。
结合：