李 明，黃 華，夏建剛

（四川大學(xué) 電氣信息學(xué)院，四川 成都610065）

0 引 言

車(chē)道檢測(cè)是車(chē)道側(cè)偏檢測(cè)的前提，是車(chē)輛輔助駕駛系統(tǒng)的重要組成部分［1］。車(chē)道檢測(cè)有單道檢測(cè) （即本車(chē)所在的車(chē)道）、多道檢測(cè)。本文主要討論單道檢測(cè)，設(shè)置檢測(cè)出來(lái)的車(chē)道為后續(xù)的車(chē)輛檢測(cè)范圍，利用車(chē)道的特征進(jìn)行檢測(cè)。目前利用車(chē)道特征進(jìn)行車(chē)道檢測(cè)跟蹤的方法很多，例如將原圖像轉(zhuǎn)化為鳥(niǎo)瞰視圖，這樣在鳥(niǎo)瞰圖像里，車(chē)道線就會(huì)和現(xiàn)實(shí)中的一樣平行，不會(huì)像原先的圖像里那樣相交，可以利用這一特征進(jìn)行車(chē)道的檢測(cè)。如文獻(xiàn) ［2］就介紹了一種采用投影變換的方法，然后在變換后的俯視圖中使用圓曲線車(chē)道模型及基于密度的Hough變換進(jìn)行識(shí)別的方法。但是投影的方法要求每次檢測(cè)或者跟蹤，都要進(jìn)行投影轉(zhuǎn)換，增加了計(jì)算量。針對(duì)這些問(wèn)題，本文提出了利用Hough變換來(lái)實(shí)現(xiàn)對(duì)車(chē)道檢測(cè)的直道檢測(cè)［3］，即先通過(guò)統(tǒng)計(jì)較小區(qū)域的目標(biāo)像素?cái)?shù)目，設(shè)置感興趣區(qū)域 （ROI）來(lái)判斷車(chē)道的彎曲方向，然后在該方向上進(jìn)行彎道像素的搜索，最后采用多段折線的方法對(duì)彎道部分進(jìn)行重建，可實(shí)現(xiàn)運(yùn)算速度更快，計(jì)算量更小，準(zhǔn)確性更高的目的。

1 直線－曲線模型

如車(chē)道模型圖所見(jiàn)，本文將車(chē)道分為直線－曲線兩部分，它們相交的點(diǎn)就叫做偏離點(diǎn)。此類(lèi)模型的車(chē)道函數(shù)為直線－拋物線函數(shù)［4］，如下

式中：ym——偏離點(diǎn)的縱坐標(biāo)，a，b——直線部分的參數(shù)，c，d，e——曲線部分的參數(shù)。其中a，b，c，d，e滿足下列關(guān)系式

式 （2）表示直線與拋物線在偏離點(diǎn)處相交，而式 （3）則表示拋物線與直線在偏離點(diǎn)處的微分值相等。在此模型中，近端直線部分可快速準(zhǔn)確的檢測(cè)出來(lái)，但曲線方程的求解就比較耗時(shí)間，而偏離點(diǎn)選擇得不好的話，可能會(huì)得到錯(cuò)誤的曲線方程。本文提出一種用Hough變換檢測(cè)出直線，然后從左右直線車(chē)道交點(diǎn)向下遍歷，找出偏離點(diǎn)，然后用偏離點(diǎn)到直線交點(diǎn)間的一小塊區(qū)域內(nèi)的像素統(tǒng)計(jì)來(lái)確定車(chē)道的偏離方向，進(jìn)而找出彎道的方法。

2 車(chē)道檢測(cè)

在眾多的車(chē)道檢測(cè)方法中比較流行的是利用一次函數(shù)或者二次函數(shù)進(jìn)行車(chē)道線的擬合。其中一次函數(shù)即是利用霍夫變換 （Hough）檢測(cè)直線［5］，得到最長(zhǎng)的兩條直線即為車(chē)道線，這種方法的優(yōu)點(diǎn)是算法比較簡(jiǎn)單，在圖像質(zhì)量很好，車(chē)道線很明顯的時(shí)候效果較好，但是缺點(diǎn)非常的明顯，假如車(chē)道線有缺失，或者有遮擋的時(shí)候，就容易檢測(cè)出錯(cuò)，并且這種方法檢測(cè)不出彎道。對(duì)于用二次函數(shù)進(jìn)行車(chē)道線的擬合，它的一大優(yōu)點(diǎn)就是能夠檢測(cè)出彎道，特別是在彎曲比較劇烈的場(chǎng)景下，Hough變換往往檢測(cè)不出車(chē)道，但是二次曲線卻能夠檢測(cè)出彎道。然而二次曲線也有它的缺點(diǎn)，那就是計(jì)算量較大，并且檢測(cè)出的彎道也很容易出錯(cuò)。在文獻(xiàn) ［6］也介紹了一種分段直線模型的擬合方法，具有較好的效果。

由于高速公路上的路況基本上是以直道為多，彎道也很少會(huì)有急彎，故本文在車(chē)道檢測(cè)及跟蹤的時(shí)候采用先用Hough變換進(jìn)行直線檢測(cè)，確定車(chē)道線的大概位置，形狀，再找出車(chē)道線的偏離點(diǎn)，然后判斷車(chē)道的偏離方向，進(jìn)而找出車(chē)道的曲線部分的點(diǎn)。這樣，就能保證車(chē)道線的檢測(cè)的準(zhǔn)確性，不會(huì)出現(xiàn)檢測(cè)出的彎道嚴(yán)重出錯(cuò)的情況。

2.1 設(shè)置感興趣區(qū)域 （ROI）

由于車(chē)輛防追尾預(yù)警系統(tǒng)的應(yīng)用場(chǎng)景是在高速公路上，車(chē)速非常的快，為了能及時(shí)的預(yù)報(bào)可能出現(xiàn)的追尾，就要求攝像機(jī)采集圖像的速度要快，而單位時(shí)間采集的圖像幀數(shù)越多，系統(tǒng)處理的圖像數(shù)據(jù)也就越大。因此，減小數(shù)據(jù)量是減少處理時(shí)間的一個(gè)很好的方法［7］。通過(guò)對(duì)采集到得數(shù)據(jù)進(jìn)行觀察可以發(fā)現(xiàn)，在圖像的上面1／3部分，基本都是天空，這對(duì)于系統(tǒng)來(lái)說(shuō)屬于沒(méi)有任何作用的數(shù)據(jù)，而下面2／3部分則是系統(tǒng)需要的圖像數(shù)據(jù)，所以可以設(shè)置圖像的下面2／3部分為感興趣區(qū)域 （ROI），對(duì)其進(jìn)行計(jì)算。

2.2 直道檢測(cè)

采集的圖像可以先采用大津閾值進(jìn)行分割，這樣就會(huì)將車(chē)道從背景中分離出來(lái)，特別是在圖的下半部分，基本只保留了車(chē)道線。但是為了快速的檢測(cè)出直線，還需要進(jìn)行邊緣提取，我們采用Scharr濾波器［8］進(jìn)行邊緣提取。

2.2.1 Hough變換

Hough變換通過(guò)將兩坐標(biāo)空間進(jìn)行相互變換來(lái)檢測(cè)平面上的有規(guī)曲線和直線，該變換具有在變換空間中我們所希望的特性，即邊緣組凝聚在一起形成峰點(diǎn)的獨(dú)有特性。

霍夫變換通過(guò)將原始圖像中給定形狀的曲線或者直線上所有點(diǎn)都集中到變換空間的中某一點(diǎn)上 。

如在原始圖像上，直線方程為

這里u為斜率，v為截距。pi＝ （xi，yi）表示此直線上的某一點(diǎn)，它滿足下面方程式

可得出如下結(jié)論，即變換空間中的某一個(gè)點(diǎn) （xi，yi）和變換空間中某一直線相對(duì)應(yīng)；同樣地變換空間中的某一個(gè)點(diǎn) （ui，vi）也與圖像空間中的某一條直線相對(duì)應(yīng)。例如圖1所示：直線上的點(diǎn)P1，P2，P3，P4，…與變換空間的所有直線的交點(diǎn) （u0，v0）對(duì)應(yīng)。

而對(duì)任意方向或位置直線進(jìn)行檢測(cè)，以妨跟垂直直線的斜率產(chǎn)生極限無(wú)限大的問(wèn)題，本來(lái)利用極坐標(biāo) （ρ，θ）來(lái)作為變換空間，方程如下

參量ρ和θ可以單獨(dú)地確定一條直線。而對(duì)圖像空間中所有點(diǎn) （xi，yi）都可以采用極坐標(biāo) （ρ，θ）來(lái)作為變換空間，坐標(biāo)方程是

這表明圖像上的一點(diǎn) （xi，yi）對(duì)應(yīng)于極坐標(biāo)空間的一條三角曲線，其角度與幅值都隨 （xi，yi）而改變。

如果把 （x，y）空間一直線上的某一個(gè)點(diǎn)序列變換到（ρ，θ）空間，也即所有的三角曲線都要經(jīng)過(guò)一點(diǎn) （ρ0，θ0），其中ρ0代表該直線至原點(diǎn)的距離，θ0代表法線跟x軸的夾角。

Hough變換將圖像中的每一個(gè)點(diǎn)都變換到 （ρ，θ）空間，然后在 （ρ，θ）空間中找出所有曲線重合得最多的那一個(gè)點(diǎn)，而那一個(gè)點(diǎn)的 （ρ，θ）坐標(biāo)就是圖像最長(zhǎng)直線的極坐標(biāo)了。

Hough變換有強(qiáng)抗干擾能力，假設(shè)待檢測(cè)的直線有較細(xì)小的虛線或擾動(dòng)，甚至是斷裂，作Hough變換后，都能找到對(duì)應(yīng)的直線。

通過(guò)對(duì)采集的道路圖像進(jìn)行分析，車(chē)道線的角度都比較固定在一個(gè)范圍內(nèi)，車(chē)道直線的模型如圖1所示。

圖1 車(chē)道直線的極坐標(biāo)模型

從圖1可以看出，由于圖像是采用的頂－左結(jié)構(gòu)，那么原點(diǎn)在左上角，Y軸向下，由于左右車(chē)道線的位置基本固定在一定的范圍內(nèi)，那么θ1的取值范圍為：30°－70°，對(duì)于模型a，θ2的取值為：－20°…－70°，對(duì)于模型b，θ2的取值為：110°－160°?？山y(tǒng)一為：110°－160°。這樣 Hough變換的計(jì)算量?jī)H為之前的一半［9］。

Hough變換檢測(cè)車(chē)道直線的效果很好，但是對(duì)于彎道部分的檢測(cè)，雖然Hough也可以用來(lái)檢測(cè)曲線，但是對(duì)于彎道部分，由于其像素較少，在變換空間不會(huì)像直道那樣出現(xiàn)明顯的峰值，要找出準(zhǔn)確的曲線參數(shù)相當(dāng)困難。本文采用先確定偏離點(diǎn)，再向上查找彎道中的像素的方法來(lái)實(shí)現(xiàn)彎道的檢測(cè)。

2.2.2 偏離點(diǎn)

偏離點(diǎn)即為車(chē)道的直道與彎道部分的交點(diǎn)，從這點(diǎn)開(kāi)始，車(chē)道會(huì)偏離直道的方向，向左或者右彎曲，因此準(zhǔn)確地檢測(cè)出偏離點(diǎn)是檢測(cè)彎道的前提。這里假設(shè) （xm，ym）為偏離點(diǎn)，則其應(yīng)滿足關(guān)系式

即偏離點(diǎn)應(yīng)為車(chē)道直線部分的最后一個(gè)像素點(diǎn)?？梢酝ㄟ^(guò)在上文通過(guò)Hough變換檢測(cè)出的直線上搜索出這個(gè)偏離點(diǎn)［10］。它的主要特征就是，直線上在它之后的點(diǎn)為黑色背景，于是可以通過(guò)判斷當(dāng)前點(diǎn)的下一個(gè)點(diǎn)的灰度值是否是0來(lái)決定當(dāng)前點(diǎn)是否要找的偏離點(diǎn)。然而，由于道路狀況的復(fù)雜性，以及噪聲的干擾，使得Hough變換檢測(cè)出的車(chē)道直線上并不是所有灰度值為255的點(diǎn)都是車(chē)道線的，而且，對(duì)于分段車(chē)道線這種特殊情況，即使是遇到灰度值為0的點(diǎn)，也不能簡(jiǎn)單的判定為偏離點(diǎn)。本文采用從上向下的搜索方式，這樣，既可以避免將本應(yīng)屬于直道的部分丟掉。為了提高搜索的效率，同時(shí)減少噪聲的影響，需要設(shè)置搜索的起始點(diǎn)位置。

如圖2所示，本文選擇ROI分界線與車(chē)道直線的交點(diǎn)P1，P2和左右車(chē)道直線的交點(diǎn)P0作為候選搜索起始點(diǎn)。當(dāng)P0在P1，P2的下面時(shí)，就選P0作為起始點(diǎn)，當(dāng)P0在P1，P2上面時(shí)，就選擇P1，P2分別作為左右車(chē)道的搜索起始點(diǎn)。

圖2 確定搜索點(diǎn)起始位置

在搜索起始點(diǎn)到偏離點(diǎn)之間也可能會(huì)有噪聲，為了準(zhǔn)確地檢測(cè)出偏離點(diǎn)，提高抗干擾能力，在遇到第一個(gè)白點(diǎn)時(shí)，并不馬上就判斷它是偏離點(diǎn)，而是將該點(diǎn)保存，繼續(xù)向下搜索，同時(shí)記錄此后遇到的黑點(diǎn)與白點(diǎn)的數(shù)目，當(dāng)白點(diǎn)的數(shù)目先大于5時(shí)，就可以認(rèn)定之前保存的點(diǎn)位偏離點(diǎn)，如果黑點(diǎn)的數(shù)目先大于5，則認(rèn)為之前的點(diǎn)為噪聲，將其刪除，繼續(xù)下面的搜索。

通過(guò)上面的方法對(duì)左右車(chē)道分別進(jìn)行搜索，得到兩個(gè)偏離點(diǎn)，它們的Y值可能會(huì)不一致。此時(shí)需要結(jié)合左右偏離點(diǎn)進(jìn)行校正。這里先找出左右偏離點(diǎn)中Y值較低的點(diǎn)（即位置較高的點(diǎn)），得到它的Y值，然后在另一車(chē)道上從此Y值開(kāi)始向下搜索，到原先檢測(cè)出的偏離點(diǎn)結(jié)束，中間若有白點(diǎn)，則它就是新的偏離點(diǎn)。這樣就避免把原本屬于車(chē)道的點(diǎn)誤判為噪聲。

2.3 彎道檢測(cè)

目前常用的彎道檢測(cè)方法都是通過(guò)曲線擬合的方式，將彎道擬合成二次或者高次曲線，常用的算法有最小二乘曲線擬合，LMedSquare曲線擬合，也有采用分段折線的方法，比如遞歸二分折線的擬合方法來(lái)進(jìn)行彎道的擬合，效果不錯(cuò)，再比如在文獻(xiàn) ［11］中提到的用LMS算法來(lái)進(jìn)行分段折線擬合的車(chē)道線的方法。

本文采用多段折線的方法來(lái)實(shí)現(xiàn)，多段折線的方法來(lái)模擬彎道即先找出圖像上屬于彎道的點(diǎn)，再將這些點(diǎn)相連，形成彎道。這樣就不需要計(jì)算復(fù)雜的曲線參數(shù)，節(jié)省了不少的時(shí)間。但是此方法的難點(diǎn)在于如何判斷一個(gè)點(diǎn)是屬于彎道上的，僅僅通過(guò)它的像素值是255來(lái)判斷是遠(yuǎn)遠(yuǎn)不夠的。本文在這里采用在固定區(qū)域搜索的方法來(lái)找到彎道上的點(diǎn)，再對(duì)它們進(jìn)行多段折線的擬合來(lái)模擬彎道。首先，可以確定彎道部分在偏離點(diǎn)以上，同時(shí)通過(guò)對(duì)采集的大量的圖像進(jìn)行觀察，發(fā)現(xiàn)彎道部分幾乎都是在直道交點(diǎn)以下的位置，又由于之前設(shè)置了ROI。如果直道的交點(diǎn)在圖像的上面1／3處，那么這里將彎道部分固定在偏離點(diǎn)以上，圖像1／3分界線以下。如果直道的交點(diǎn)在圖像的1／3分界線以下，則將彎道部分的搜索區(qū)域固定在偏離點(diǎn)以上，直道交點(diǎn)以下。如圖3所示。

圖3 搜索區(qū)域的劃分

圖3 表明了本文選擇的搜索區(qū)域，上下以偏離點(diǎn)所在平行于x軸的直線與ROI分界線 （或者交點(diǎn)所在的水平線）為界，左右不作限定；由于左右車(chē)道線具有同向偏離的特點(diǎn)，故可以利用這一特性先進(jìn)行偏離方向的判定，這時(shí)判定偏離方向的統(tǒng)計(jì)區(qū)域的左右以偏離點(diǎn)所在平行于Y軸的直線和ROI分界線與左右直道線的交點(diǎn) （也可能是左右車(chē)道的交點(diǎn)）所在垂直線為界。判定出偏離方向后就可以在直線的左邊或者右邊進(jìn)行彎道檢測(cè)了。

2.3.1 偏離方向的判定

在圖3中，搜索的區(qū)域分為4個(gè)區(qū)域，其中的區(qū)域1與區(qū)域3對(duì)應(yīng)于車(chē)道的左偏，區(qū)域2與區(qū)域4對(duì)應(yīng)于車(chē)道的右偏。通常情況下，當(dāng)車(chē)道線向左偏離的時(shí)候，區(qū)域1與區(qū)域3的灰度值和就要高于區(qū)域2與區(qū)域4，反之亦然。然而由于圖像噪聲的存在，以及車(chē)道線缺失等影響，僅僅憑借比較灰度值的高低難以準(zhǔn)確的檢測(cè)出車(chē)道的偏離方向［12］。常見(jiàn)的區(qū)域灰度值分布圖像如圖4所示。

圖4 常見(jiàn)的彎道部分灰度分布

觀察圖5的右邊彎道搜索部分，可以看出是向左偏離，但是在區(qū)域4中的白點(diǎn)數(shù)目卻多于區(qū)域3，如果僅僅通過(guò)比較區(qū)域4與區(qū)域3的灰度統(tǒng)計(jì)和，就會(huì)得出錯(cuò)誤的偏離方向。由此可見(jiàn)，需要更加穩(wěn)定的判別準(zhǔn)則來(lái)進(jìn)行偏離方向的判斷。

圖5 彎道部分的干擾模型

通過(guò)觀察，可以發(fā)現(xiàn)，大部分的干擾時(shí)由于在車(chē)道線的附近出現(xiàn)了車(chē)輛，或者其他道路標(biāo)志而造成的。因此必須要排除這一類(lèi)影響，才能得到滿意的效果。而車(chē)輛或者其他道路標(biāo)志具有非常明顯的方向性，特別是在水平和垂直兩個(gè)方向。比如在圖4，水平方向上的干擾非常多。

圖5是一個(gè)具有水平和垂直干擾的模型圖，圖中車(chē)道為向左彎曲，區(qū)域一的灰度統(tǒng)計(jì)和即為彎道上點(diǎn)的灰度和，而區(qū)域二有水平線與垂直線，且區(qū)域二的灰度統(tǒng)計(jì)和大于區(qū)域一的。通過(guò)對(duì)彎曲線與水平線和垂直線的觀察可以發(fā)現(xiàn)，水平線的Y值是固定的，也有可能在一個(gè)很小的范圍內(nèi)波動(dòng)，而垂直線的X值是固定，當(dāng)然也可能在一個(gè)小范圍內(nèi)波動(dòng)，而彎曲線的x，y值就具有明顯的方向性變化。利用這一特點(diǎn)，可以采用將每一行，每一列的白點(diǎn)只記錄一次的方法，這樣，水平與垂直方向的干擾就會(huì)變得微乎其微了。

另外一個(gè)需要考慮的就是車(chē)道線缺失的問(wèn)題［13］。假設(shè)車(chē)道是向右彎曲的，左邊車(chē)道的彎道有缺失，加上有部分噪聲的影響，這種情況導(dǎo)致判斷左偏的錯(cuò)誤。而右邊部分的車(chē)道偏離方向則不會(huì)出現(xiàn)錯(cuò)。為了避免這種情況，可以采用將左，右車(chē)道結(jié)合起來(lái)考慮的方法［14］。同時(shí)對(duì)4個(gè)區(qū)域進(jìn)行灰度值的統(tǒng)計(jì)，分別為mg，mr，mp，mb。然后按照以下步驟進(jìn)行處理：

（1）分別對(duì)mg，mr和mp，mb進(jìn)行大小判斷，當(dāng)mg＞mr時(shí)，若mp＞mb則說(shuō)明車(chē)道左偏，否則轉(zhuǎn)入步驟 （2），當(dāng)mg＜mr時(shí)，如果mp＜mb，則說(shuō)明車(chē)道右偏，否則轉(zhuǎn)入步驟 （3）。當(dāng)mg＝mr時(shí)，如果mp＝mb，則判定車(chē)道為直線，沒(méi)有偏離，否則轉(zhuǎn)入步驟 （4）。

（2）若 mg－mr＞mb－mp，則判定車(chē)道左偏，否則判定車(chē)道右偏。

（3）若 mr－mg＞mp－mb，則判定車(chē)道右偏，否則判定車(chē)道左偏。

（4）如果 mp＞mb，則判定車(chē)道左偏，否則判定車(chē)道右偏。

2.3.2 搜索彎道上的點(diǎn)

在判定了車(chē)道的偏離方向后，就可以在指定區(qū)域內(nèi)搜索彎道上的點(diǎn)了，如果判定車(chē)道左偏，那么就在車(chē)道線的左邊以及搜索上限之間的區(qū)域，如果判定車(chē)道右偏，則在車(chē)道線的右邊與搜索上限之間的區(qū)域內(nèi)搜索。然而在搜索區(qū)域內(nèi)的白點(diǎn)并不都是彎道上的點(diǎn)，只有滿足某些條件的白點(diǎn)才能判定在彎道上。一個(gè)最為明顯的特征是彎道上的白點(diǎn)所在的切線的斜率是漸變的，即彎道上相鄰點(diǎn)所連直線的傾斜角度是近似相等。然而，對(duì)每?jī)蓚€(gè)相鄰點(diǎn)都計(jì)算傾斜角度或者斜率的花費(fèi)較大，為了節(jié)約時(shí)間花費(fèi)，本文采用一種動(dòng)態(tài)改變搜索區(qū)域的方法［15］。這種方法主要是利用彎道的彎曲方向，來(lái)估計(jì)彎道上像素的分布趨勢(shì)，通過(guò)預(yù)測(cè)的趨勢(shì)來(lái)減小搜索范圍，這樣既減少了搜索時(shí)間，又排除了噪聲的影響。

在圖5里曲線與直線之間作水平線，離偏離點(diǎn)越遠(yuǎn)，線段越長(zhǎng)。利用這一特性，可以進(jìn)一步縮小掃描范圍。下面以左偏為例，處理步驟如下：

（1）從偏離點(diǎn)上一行直線上的點(diǎn)P0開(kāi)始，向左邊搜索，當(dāng)遇到白點(diǎn)則保存該點(diǎn)，并保存該點(diǎn)與P0的距離m，并跳到步驟 （2）繼續(xù)執(zhí)行；如果已經(jīng)搜索5個(gè)點(diǎn)，仍然沒(méi)有，則令m＝0，同樣跳到步驟 （2）執(zhí)行。

（2）轉(zhuǎn)到當(dāng)前行的上一行，找到直線在此行上的點(diǎn)Pi，此時(shí)并不從此點(diǎn)開(kāi)始，而是，根據(jù)上次搜索的距離m，從Pi左移m處的點(diǎn)開(kāi)始搜索，同樣以5個(gè)像素為限定。如果找到，則保存找到的點(diǎn)，并繼續(xù)轉(zhuǎn)到上面一行執(zhí)行，如果沒(méi)有找到，則向右搜索5個(gè)像素范圍，如果找到，則將前次所保存的點(diǎn)刪除，重新保存此點(diǎn)，并轉(zhuǎn)到上面一行執(zhí)行，如果仍舊沒(méi)有找到，則不保存任何點(diǎn)，轉(zhuǎn)到上面一行進(jìn)行搜索。

通過(guò)上面的處理，將彎道上的點(diǎn)找了出來(lái)，然后再用直線將相鄰的點(diǎn)相連，就形成了多段折線。圖6為彎道檢測(cè)的效果。

圖6 彎道檢測(cè)效果

3 結(jié)束語(yǔ)

本文首先介紹了車(chē)道檢測(cè)中常用的一些方法和車(chē)道模型，并確定了采用直道－彎道的模型；然后采用大津閾值與邊緣檢測(cè)向結(jié)合的方法來(lái)完成車(chē)道線的提取；在直道檢測(cè)部分采用Hough變換，然后確定偏離點(diǎn)，最后根據(jù)區(qū)域的像素灰度統(tǒng)計(jì)確定偏離方向，最終用多段折線擬合彎道。該算法，能夠比較準(zhǔn)確穩(wěn)定地檢測(cè)出車(chē)道，并且計(jì)算量較小，能夠較好的滿足實(shí)時(shí)性的要求。

［1］ZHANG Wenpu.Video vehicle detection technology and development trend［J］.Journal of Chinese People’s Public Security University（Natural Science），2010，15 （1）：91－94 （in Chinese）.［張文溥.視頻車(chē)輛檢測(cè)技術(shù)及發(fā)展趨勢(shì) ［J］.中國(guó)人民公安大學(xué)學(xué)報(bào) （自然科學(xué)版），2010，15 （1）：91－94.］

［2］MA Ying，LI Keqiang，XU Youchun，et al.Lane detection method based on improved transform mapping formulas ［J］.Journal of Tsinghua University （Natural Science），2005，45（11）：1530－1533） （in Chinese）. ［馬瑩，李克強(qiáng)，徐友春，等.基于改進(jìn)的投影變換公式的車(chē)道識(shí)別方法 ［J］.清華大學(xué)學(xué)報(bào) （自然科學(xué)版），2005，45 （11）：1530－1533.］

［3］LIU Yanbing.Tunable filter based on the direction of lane recognition party method［D］.Chengdu：UESTC Master Thesis，2009（in Chinese）.［劉燕兵.基于方向可調(diào)濾波器的車(chē)道線識(shí)別方法研究 ［D］.成都：電子科大碩士學(xué)位論文，2009.］

［4］LIU Jianwei，WANG Jiarui，CAO Quan，et al.Accurate segmentation algorithm of vehicles based on shadow of chassis［J］.Modern Electronic Technology，2010，32 （5）：154－160（in Chinese）.［劉建偉，王佳銳，曹泉，等.基于車(chē)輛底盤(pán)陰影的車(chē)輛精確分割算法研究 ［J］.現(xiàn)代電子技術(shù)，2010，32（5）：154－160.］

［5］WU Changqi，ZHU Hong.Drive recognition ［J］.Electronic Measurement Technology，2005，27 （4）：43－45 （in Chinese）.［吳長(zhǎng)奇，朱紅.車(chē)道識(shí)別技術(shù) ［J］.電子測(cè)量技術(shù)，2005，27 （4）：43－45.］

［6］Claudio Rosito Jung，Christian Roberto Kelber.An improved linear－parabolic model for lane following and curve detection［C］.Proceedings of the XVIII Brazilian Symposium on Computer Graphics and Image Processing，2005：131－138.

［7］Abdulhakam AM Assidiq，Othman O Khalifa，Md Rafiqul Islam，et al.Real－time lane detection for autonomous vehicles ［C］.Kuala Lumpur，Malaysia：Proc of the International Conference on Computer and Communication Engineering，2008：82－88.

［8］SUN Zhanquan，GUO Mu，LIU Wei，et al.Multisource traffic data fusion with entropy based method ［C］.International Conference on Artificial Intelligence and Computational Intelligence，2009：506－509.

［9］JIA Xin.Study on lane recognition method of intelligent vehicle visual detection［D］.Changchun：Jilin University PhD Thesis，2008（in Chinese）.［賈鑫.智能車(chē)輛視覺(jué)感知中的車(chē)道標(biāo)線識(shí)別方法的研究 ［D］.長(zhǎng)春：吉林大學(xué)博士學(xué)位論文，2008.］

［10］DONG Chunli，DONG Yuning.Survey on video based vehicle detection and tracking algorithms ［J］.Journal of Nanjing University of Posts and Telecommunications （Natural Science），2009：88－94（in Chinese）.［董春利，董育寧.基于視頻的車(chē)輛檢測(cè)與跟蹤算法綜述 ［J］.南京郵電大學(xué)學(xué)報(bào) （自然科學(xué)版），2009：88－94.］

［11］LEE Jinwook，CHO Jaesoo.Effective lane detection and tracking method using statistical modeling of color and lane edge－orientation［C］.Fourth International Conference on Computer Sciences and Convergence Information Technology，2009：1586－1591.

［12］Bram Alefs，David Schreiber.Accurate speed measurement from vehicle trajectories using AdaBoost detection and robust template tracking ［C］.Seattle，WA，USA：Proceedings of the IEEE Intelligent Transportation Systems Conference，2007：405－412.

［13］HUA Bin.Intelligent vehicle in road detection and target detection technology［D］.Chongqing：Chongqing University Master Thesis，2008（in Chinese）.［華冰.智能車(chē)輛中的道路檢測(cè)與目標(biāo)檢測(cè)技術(shù)研究 ［D］.重慶：重慶大學(xué)碩士學(xué)位論文，2008.］

［14］HU Bin，HE Kezhong.Lane detection method based on segmentline model and ATN ［J］.Journal of Tsinghua University（Natural Science），2006，46 （10）：1762－1766 （in Chinese）.［胡斌，何克忠.基于分段直線模型和ATN 的車(chē)道識(shí)別方法 ［J］.清華大學(xué)學(xué)報(bào) （自然科學(xué)版），2006，46 （10）：1762－1766.］

［15］WANG Wenjie.Regional and vision based road lane recognition technology in intelligent vehicle navigation system ［D］.Jinan：Shandong University master thesis，2009 （in Chinese）.［王文杰.基于視覺(jué)的道路區(qū)域和車(chē)道線識(shí)別技術(shù)在智能車(chē)輛導(dǎo)航中的應(yīng)用研究 ［D］.濟(jì)南：山東大學(xué)碩士學(xué)位論文，2009.］