1.1 研究目的及意义

随着社会经济的发展，科学技术不断突破，各种交通工具更新换代，其中汽车是人们日常使用最频繁的交通工具。在21世纪，随着人们生活水平的不断提高，私人汽车的数量日益增加，机动车和驾驶人保持高位增长。汽车的发展再给我们生活带来极大的便利的同时也伴随着风险和事故。除了汽车尾气排放给大气造成的严重污染外，最引起社会关注的就是频发的交通事故。引发交通事故的原因多种多样，有的是受天气的影响，有的是驾驶员自身的疏忽，由于人为因素导致的交通事故占主要方面，而这些事故中大部分是可以通过主动或被动的安全系统预先防止的。既然驾驶员失误百出，汽车制造商们当然要集中精力设计能确保汽车安全的系统。为了提高行车安全，研究人员致力于辅助行车安全的驾驶系统，世界各国政府大力推动无人驾驶技术的发展，使得道路交通行驶日趋智能化，有效地降低交通事故发生率。

据调查统计50%的交通事故都与车辆偏离正常行驶方向有关，因此在对智能辅助驾驶系统的研究中，对行车途中车道线的检测识别是最为基本而且非常关键的技术环节。对车身周围复杂环境的感知是实现辅助驾驶或者无人驾驶进行规划决策的前提条件，车道线检测是智能汽车对环境理解的重要组成部分，对于无人驾驶，车道线检测作用是路径规划和决策，实现车辆智能检测出可行车道，最终实现全智能的无人驾驶。对于辅助驾驶，车道线检测的主要作用是车道偏离预警。基于机器视觉的车道线检测利用计算机视觉相关技术从获得的实时视频图片中处理识别出目标车道线，定位出安全正确的行车方向和可行驶区域，规避风险。实现车道线的检测为基于视觉的智能车辆导航和自动驾驶提供条件，再与其他的辅助驾驶技术相结合，最后实现更加有效的安全保障系统，减少相关的人员财产损失。

1.2 国内外研究现状

车道线检测技术的研究从上世纪90年代才开始发展，绝大多数技术都是在通过摄像机获取的路面图片上进行检测，车道线的纹理特征简单，与指纹人脸的特征提取有区别，易受路面其他事物的影响，所以给其信息提取识别带来了一些难度。自20世纪60年代起，车道线检测方法就开始受到广泛重视，许多国家都投入了大量的人力，物力和财力对其进行深入研究，并取得了丰硕的研究成果。

到目前为止国内外应用比较广泛的车道线检测方法可划分为基于车道特征和基于车道模型两大类。

（1）基于车道特征的方法

基于车道特征的车道线检测主要是分析车道线的一些图像特征信息，利用车道线与道路环境的物理差异进行后续图像的分割处理，从而突出车道线特征，以实现车道线检测。根据提取的不同特征，可以进一步分为基于颜色特征的检测方法，基于纹理的检测方法和基于特征融合的检测方法。

Ronghui Z等根据道路图像像素点的灰度分布特征，将其划分为4类，并进行多方向搜索，去除虚假边界点，最后利用Hough变换检测车道标识线。Fang H等利用纹理特征和颜色特征对图像进行分割与融合。He Y等利用光强度检测道路边缘和真彩色检测道路区域，获得可能的道路区域，并计算其均值和方差，然后提取道路区域和边界。Yoo H等提出一种梯度增强的灰度化方法，为了适应光照变化，灰度转换向量随光照动态更新，转换后的图像在车道线边缘有很大梯度，算法对光照变化的鲁棒性较强。

基于道路特征的车道线检测方法复杂度较低，实时性较高，但容易受到道路环境的干扰。它适用于路况简单且车道线清晰的道路环境中，对车道线的边缘清晰度要求较高，复杂的路况会影响其鲁棒性。