Update CLI and documentation for new methods

Co-authored-by: kr4phy <168257476+kr4phy@users.noreply.github.com>

README.md

@@ -8,10 +8,12 @@ This project is a demo application that detects lane lines in videos using OpenC
 
 ## 기능 (Features)
 - 🎥 Gradio를 통한 비디오 업로드 (Video upload via Gradio)
-- 🛣️ OpenCV를 이용한 실시간 차선 검출 (Real-time lane detection using OpenCV)
+- 🛣️ 6가지 차선 검출 방법 제공 (6 lane detection methods available)
 - 📊 원본/처리 비디오 사이드바이사이드 비교 (Side-by-side comparison of original and processed videos)
+- 📈 실시간 진행 상황 표시 (Real-time progress tracking with progress bar)
 - 💻 CLI 도구 제공 (Command-line interface available)
 - 🧪 포괄적인 테스트 스위트 (Comprehensive test suite)
+- ⚡ GPU 가속 지원 (GPU acceleration support when available)
 
 ## 설치 (Installation)
 
@@ -47,7 +49,7 @@ python app.py
 ### 방법 2: CLI 사용 (Using Command Line)
 
 ```bash
-python cli.py input_video.mp4 output_video.mp4
+python cli.py input_video.mp4 output_video.mp4 [method]
 ```
 
 예시 (Example):
@@ -55,32 +57,69 @@ python cli.py input_video.mp4 output_video.mp4
 # 테스트 비디오 생성 (Create test video)
 python create_test_video.py
 
-# 차선 감지 처리 (Process with lane detection)
-python cli.py /tmp/test_road_video.mp4 result.mp4
+# 다양한 방법으로 차선 감지 처리 (Process with different methods)
+python cli.py /tmp/test_road_video.mp4 result_advanced.mp4 advanced
+python cli.py /tmp/test_road_video.mp4 result_yolop.mp4 yolop
+python cli.py /tmp/test_road_video.mp4 result_ufld.mp4 ufld
+python cli.py /tmp/test_road_video.mp4 result_scnn.mp4 scnn
+python cli.py /tmp/test_road_video.mp4 result_basic.mp4 basic_standard
+python cli.py /tmp/test_road_video.mp4 result_segmented.mp4 basic_segmented
 ```
 
 ## 차선 감지 알고리즘 (Lane Detection Algorithm)
 
-본 프로젝트는 다음과 같은 컴퓨터 비전 기법을 사용합니다:
-(This project uses the following computer vision techniques:)
-
-1. **Grayscale 변환** (Convert to grayscale)
-   - 컬러 이미지를 흑백으로 변환하여 처리 속도 향상
-
-2. **가우시안 블러** (Gaussian blur)
-   - 노이즈 제거 및 에지 검출 성능 향상
-
-3. **Canny 에지 검출** (Canny edge detection)
-   - 이미지에서 가장자리(edge) 검출
-
-4. **관심 영역(ROI) 마스킹** (Region of Interest masking)
-   - 도로 영역에만 집중하여 불필요한 영역 제외
-
-5. **Hough 변환** (Hough transform)
-   - 직선 형태의 차선 검출
-
-6. **차선 평균화 및 그리기** (Lane averaging and drawing)
-   - 검출된 여러 선분을 평균화하여 안정적인 차선 표시
+본 프로젝트는 다음과 같은 6가지 차선 감지 방법을 제공합니다:
+(This project provides 6 lane detection methods:)
+
+### 1. **Basic Standard (Hough Transform)**
+   - Grayscale 변환 및 가우시안 블러
+   - Canny 에지 검출
+   - Hough 변환을 통한 직선 검출
+   - 단일 평균화된 차선 표시
+   - **장점**: 가장 빠른 처리 속도
+   - **단점**: 곡선 도로에서 정확도 낮음
+
+### 2. **Basic Segmented (Hough Transform)**
+   - Basic Standard와 동일한 기본 처리
+   - 여러 선분으로 차선 표현
+   - **장점**: 곡선 표현 개선, 빠른 처리
+   - **단점**: 복잡한 차선에서는 한계
+
+### 3. **Advanced (Perspective Transform + Polynomial)**
+   - 원근 변환으로 bird's eye view 생성
+   - CLAHE를 이용한 향상된 대비 개선
+   - 슬라이딩 윈도우를 통한 다항식 피팅
+   - 그래디언트 방향 필터링
+   - **장점**: 높은 정확도, 곡선 및 점선 차선 우수
+   - **단점**: 처리 속도가 느림
+
+### 4. **YOLOP (Multi-task Learning)**
+   - YOLOP (You Only Look Once for Panoptic Driving) 영감
+   - 다중 색상 차선 검출 (흰색, 노란색)
+   - 컨투어 기반 세그멘테이션
+   - **장점**: 다양한 차선 색상 인식, 빠른 처리
+   - **단점**: 복잡한 도로 환경에서 정확도 저하
+
+### 5. **UFLD (Ultra Fast Lane Detection)**
+   - Ultra Fast Structure-aware Deep Lane Detection 영감
+   - 행별 분류 접근 방식
+   - 적응형 임계값 처리
+   - **장점**: 속도와 정확도의 균형, 실시간 가능
+   - **단점**: 매우 복잡한 환경에서는 SCNN보다 낮은 정확도
+
+### 6. **SCNN (Spatial CNN)**
+   - Spatial CNN for traffic lane detection 영감
+   - 4방향 공간 메시지 전달
+   - 다중 스케일 에지 검출
+   - **장점**: 복잡한 시나리오에서 최고 정확도
+   - **단점**: 처리 시간이 다소 소요됨
+
+### 알고리즘 선택 가이드 (Selection Guide)
+- **최고 속도**: Basic Standard, YOLOP
+- **곡선 도로**: UFLD, Advanced, Basic Segmented
+- **최고 정확도**: SCNN, Advanced (Enhanced)
+- **다양한 차선 색상**: YOLOP
+- **균형잡힌 성능**: UFLD
 
 ## 프로젝트 구조 (Project Structure)
 

cli.py

@@ -14,13 +14,16 @@ def main():
         print("\nArguments:")
         print("  input_video: Path to input video file")
         print("  output_video: Path to output video file")
-        print("  method: 'basic' or 'advanced' (default: advanced)")
+        print("  method: 'basic_standard', 'basic_segmented', 'advanced', 'yolop', 'ufld', or 'scnn' (default: advanced)")
         print("  enhanced: 'true' or 'false' for enhanced thresholding (default: true, advanced only)")
         print("  segmented: 'true' or 'false' for segmented lines (default: false, basic only)")
         print("\nExamples:")
         print("  python cli.py road_video.mp4 output_result.mp4")
-        print("  python cli.py road_video.mp4 output_result.mp4 basic")
-        print("  python cli.py road_video.mp4 output_result.mp4 basic false true")
+        print("  python cli.py road_video.mp4 output_result.mp4 yolop")
+        print("  python cli.py road_video.mp4 output_result.mp4 ufld")
+        print("  python cli.py road_video.mp4 output_result.mp4 scnn")
+        print("  python cli.py road_video.mp4 output_result.mp4 basic_standard")
+        print("  python cli.py road_video.mp4 output_result.mp4 basic_segmented")
         print("  python cli.py road_video.mp4 output_result.mp4 advanced true false")
         sys.exit(1)
 
@@ -31,8 +34,9 @@ def main():
     segmented = sys.argv[5].lower() == "true" if len(sys.argv) >= 6 else False
 
     # Validate method
-    if method not in ["basic", "advanced"]:
-        print(f"Error: Invalid method '{method}'. Use 'basic' or 'advanced'")
+    valid_methods = ["basic_standard", "basic_segmented", "advanced", "yolop", "ufld", "scnn"]
+    if method not in valid_methods:
+        print(f"Error: Invalid method '{method}'. Use one of: {', '.join(valid_methods)}")
         sys.exit(1)
 
     # Check if input file exists
@@ -45,7 +49,7 @@ def main():
     print(f"Method: {method}")
     if method == "advanced":
         print(f"Enhanced thresholding: {'enabled' if enhanced else 'disabled'}")
-    if method == "basic":
+    if method in ["basic_standard", "basic_segmented"]:
         print(f"Segmented lines: {'enabled' if segmented else 'disabled'}")
     print("\nProcessing...")