图像中的平行线确实在消失点相交。因此，简单地假设线（一个点的梯度方向就足以描述它）和投票（参见霍夫投票）就足以识别这个点。然后可以记录所有在这一点上投票的行并识别它们。必须小心，因为很难直接在消失点上投票，即空间没有边界并且会爆炸到无穷大。相反，可以使用Barnard 建议的高斯球体。

消失点提取是一个经过充分研究的主题，存在许多算法，其中一些是：

• 一种新的线空间投票方法，用于一般道路图像的消失点检测，吴宗胜，傅卫平，如雪和王文 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4970002/

• 用于道路检测的消失点检测，Hui Kong，Jean-Yves Audibert，Jean Ponce http://www.di.ens.fr/sierra/pdfs/cvpr09c.pdf

• 走廊中的消失点检测：使用霍夫变换和 K-means 聚类，R. Ebrahimpour，R. Rasoolinezhad，Z. Hajiabolhasani，M. Ebrahimi http://ieeexplore.ieee.org/document/6135447/

• 用于定向的霍夫变换，Ivan Papusha，Matthew Ho https://stacks.stanford.edu/file/druid:rz261ds9725/Ho_Papusha_RealTimeHoughTransform.pdf

最后，当多行导致问题时，总是可以使用行参数对它们进行聚类$[a,b,c]$. 当行数未知时，可以使用层次聚类，例如单链接或凝聚聚类。