Détection de Lignes (Vision par Ordinateur)
Benchmark de CV classique : Hough Standard (2,53ms, 22 lignes), Hough Probabiliste (4,29ms, 47 segments), LSD (23,98ms, 422 segments). Hough 6–10× plus rapide. Images dashcam Udacity + images synthétiques. Pipeline HSV+ROI.
Images dashcam Udacity + images géométriques synthétiques
Masquage HSV + ROI + benchmark 3 algorithmes (Standard / Hough Probabiliste / LSD)
Benchmark de vision par ordinateur classique pour la détection de voies de circulation et de lignes structurelles.
Pipeline Complet
1. Seuillage de couleur HSV (sépare canaux blanc/jaune de voie)
2. Masquage ROI (polygone triangulaire, retire ciel/capot)
3. Détection de bords : Canny(kernel=3, low=190, high=250)
4. Détection de lignes (3 algorithmes comparés)
5. Post-traitement : filtre de pente, fusion, moyenne des lignes parallèles
6. Superposition sur l'image originale [lignes ROUGES + frontière ROI BLEUE]
Jeux de données
- ▸Synthétique : images géométriques (horizontal/vertical/diagonal/point de fuite)
- ▸Réel : dashcam Udacity Self-Driving Car (960×540, solidWhiteRight.mp4, solidYellowLeft.mp4)
Benchmark des Algorithmes (50 exécutions chacun)
| Algorithme | Vitesse (synthétique) | Vitesse (réel) | Sortie |
|---|---|---|---|
| Hough Standard | 2,53ms ± 0,09 | 3,73ms ± 0,14 | 22/19 lignes infinies |
| Hough Probabiliste | 3,47ms ± 0,65 | 4,29ms ± 0,18 | 55/47 segments |
| LSD | 16,60ms ± 1,12 | 23,98ms ± 0,75 | 29/422 segments sous-pixel |
Compromis Vitesse-Précision
- ▸Hough Standard : le plus rapide (2,5ms), lignes infinies propres — idéal pour la détection de voies sur autoroute
- ▸Hough Probabiliste : légère surcharge, retourne des segments positionnés — meilleur pour les routes courbes
- ▸LSD : 6–10× plus lent mais précision sous-pixel, sans paramètre — meilleur pour l'analyse structurelle
Analyse Temps Réel Hough Standard à 3,7ms/image → 270+ FPS — dépasse largement les cadences des caméras. LSD à 24ms → 42 FPS — encore en temps réel.
Optimisation Canny Paramètres kernel=3, low=190, high=250 suppriment le bruit de texture routière tout en préservant les marquages de voie continus et discontinus sur le dataset Udacity.