摘 要

建立和完善车辆安全驾驶系统已经成为当今交通研究领域迫切需要解决的问题，而道路标志线和车道线的检测是车辆安全驾驶系统中非常重要的一环，现急需要一种能够快速、准确的获取到车道线的方法，用来为车辆辅助驾驶系统和危险驾驶提示系统做好准备工作，车道线的检测不仅有着很好的应用前景，更对智能交通的发展有着重要的意义。

对此，文章中提出了一种解决方案，首先需要对图像进行预处理来便于后面的检测工作，然后对图像进行棋盘格的标定，接下来通过采用逆透视投影的方法来排除图像中的各种干扰因素，下一步用canny边缘检测得到车道线的特征点，紧接着通过hough变换检测出直线并通过K-means聚类算法对直线进行拟合得到大致的车道线轨迹。最后通过实验指出了该算法的受限情况，提出了算法有待改进的地方，展望了车道线检测的未来研究方向。

关键词：图像预处理；边缘检测；hough变换

Abstract

Vhicle driving safety system has become the urgent problem in the field of transport, and the detection of lane markings and lane vehicle driving safety systems is a very important part, we need a way to quickly and accurately get to the lane line so that we can prepare for the vehicle auxiliary systems, and dangerous driving tips system. Detecting the lane line not only has a good prospect, but also for the development of intelligent transportation has an important meaning.

In this regard we proposed a solution. First of all, we need to preprocess the image,to facilitate detection in the future.Then we discharged all kinds of interference in the image by using the inverse perspective projection method. By using the image calibration checkerboard, then to eliminate interference factors in the image by using the inverse perspective projection method, the next step to get the feature point lane with canny edge detection .We proposed our own hough algorithm by improving their hough transform algorithm and K-means clustering algorithm to obtain a substantially linear fitting of lane track. Next, we made a lot of experiment on different lane line images, we made accurate assessment of the algorithms from all aspects length, precision and applicability so that we could make the conclusion that hough algorithm has the best detection results. At last, some improvement in algorithm and future research topics on lane detection were suggested.

Key Words：Image preprocessing；Edge detection；Hough transform

目 录

第1章 绪论 1

1.1 课题研究背景及意义 1

1.2.车道线检测算法的现状 1

1.2.1基于特征的方法 1

1.2.2基于模型的方法 2

1.3论文主要研究内容 3

第2章 背景知识 4

2.1 图像预处理 4

2.1.1 图像预处理的必要性 4

2.1.2 图像灰化处理 4

2.1.3 常用的灰度化方法 4

2.2基于逆透视投影的车道重建 5

2.2.1 引言 6

2.2.2车道逆投影的重建 6

2.2.3 小结 8

2.3三种常用hough变换 9

2.3.1传统hough算法 9

2.3.2随机hough算法 9

2.3.3中值截距法 10

第3章 算法的设计与实现 11

3.1车道检测算法 11

3.2核心算法的具体实现 12

3.2.1 逆透视变换 12

3.2.2 hough变换的核心代码 13

第4章 结果分析 16

4.1检测结果 16

4.2检测不完全的图像 18

4.3检测失败的原因分析 18

第五章 总结与分析 20

参考文献 21

致谢 22

第1章 绪论

1.1 课题研究背景及意义

近年来，随着科技的发展，家庭经济水平普遍提升，有车家庭的数量也大大增加，而随之而来的是各式各样的交通问题。我国的汽车数量日益增加，据统计在2011年我国有62387人死于车祸^[1]，而且这个数字还在逐年增长，如何减少交通事故已经成为了人们的迫切需要解决的问题。为了能够减低驾驶的事故，也为了能够保证驾驶人的安全，车辆安全驾驶系统已经成为当今交通研究领域迫切需要解决的问题。

道路标志线和车道线的检测是车辆安全驾驶系统中非常重要的一环^[2]，如果能够在短时间能准确的将道路标志线和车道线完成检测，就可以对车辆是否处于安全驾驶当中做出准确的判断，并能够在车辆处于危险状况时，及时对其进行处理，这样就能够极大地减少事故的发生，不仅有着很大的经济前景，更有着很大的社会效应^[3]。

而我国的公路上很多地方的道路都因为各种原因，有着老化、磨损、褪色的各种情况，如何在这些车道中准确检测出车道的轮廓是一个很棘手的问题^[4]。

智能交通系统还有着很大的发展空间，车道线和道路标志线的检测作为智能交通系统中不可或缺的一环有着很大的巨大的研究价值，需要一种能够快速准确的获取到车道线的方法，用于为后面的车辆辅助系统和危险驾驶提示系统做好准备工作，车道线的检测不仅有着很好的应用前景，更对智能交通的发展有着很重要的意义。

1.2 车道线检测算法的现状

当前获取车道线的检测方案主要分为两种^[5]，两种方案都首先通过对得到的图像进行预处理，得到车道线的一些特征，接下来对这些特征点进行检测，由于图像中各种因素（色彩、大小、角度等）不同，国内外一般根据这些不同的特性针对的有几种不同的检测手段^[6]，但是大体上可以将其分为基于图像的特性的检测方法和通过建立相应的模型两种手段来完成对车道线和标志线的检测 ^[7]。

1.2.1基于特征的方法

当图像上有着明显特性标志的时候，一般可以采用这种方法，根据图像有着各种不同特性（颜色分割明显，形状相差很远，或者有着很强的几何性等等特点）的这一点，利用它在其图像的色彩、形状、以及灰化度等等各种不同的特性，针对这些特征的不同，需要采用不同的处理技巧，需要分别针对这些特征有分别采取不同的解决方案，例如，可以针对他们的几何边缘进行边缘的检测^[8]，并以此来识别出的道路线边缘。为了能够更好地检测出它的边缘，往往还需要采用边缘检测的方法^[8]，通过先对图像的一系列的灰化处理，增加其几何特性，还要对其进行滤波因子加强，从而能够得到最好的图像源。国内的李树涛提出了一种应用LOG算法对其进行加强的方法^[10]，能够根据图像上的亮度的变换来准确的将图像分为几个区域，并且可以在车道线所在的区域识别出来，然后对其进行重点的检测，使计算的总运算量和耗时大大减少。当图像中存在阴影或着其他强干扰的物体时，图像中有着边缘信息的优势就变为了劣势。有的时候由于少了色彩的参考使在一些道路的形状判断的过程中会遇到很多麻烦，对此需要用到滤波算法来减少干扰物对检测的干扰，通过对图像进行滤波处理来对图像进行抗干扰处理^[11]。同样是为了减少阴影等干扰物对图片的干扰，美国的Hunjae教授等人采用了梯度增强算法^[12]，通过用一种能自适应的将车道色彩梯度转化为矢量变换的方法，后得到一张将车道色彩变化梯度得到极大加强的灰化处理后的图像，该方法可适用各种照明和道路场景，能够很好的去掉阴影对图片的影响，此外也能通过所得到的灰度平均值来对图像进行分区。中国的林容将彩色图像信息也进行了多梯度的选择^[13]，他将红、绿、蓝三种颜色来完成颜色的分配，并且借此来将图像分成多个区域。美国的一个科研团研发出了一种根据贝叶斯分类器的处理系统，它可以通过将很多近似的像素点融合^[14]，从而使这个图像中需要计算的像素点少了一大半，这样一来极大的简化了运算的步骤和需要计算的数据，从而大大减少了计算量。

1.2.2 基于模型的方法

人们根据对道路的空间认识和形状模拟，对道路建立起一个空间模型，而位于道路上的车道线，可以对其建立出一条直线的方程，并在坐标系中用此来表示车道线。道路本身可以分为曲线模型和非曲线模型，道路又可以根据人们的视觉，分为近区和远区，所以我们需要建立多种不同的模型。对近区道路采用非曲线模型，对远区采用曲线模型。王岩等人还提出了双曲线模型，即将图像中的一部分进行了多次的处理，并对车道线上的像素点进行了聚类处理，最后对直线的消逝点进行计算推测，计算得到消逝的坐标后，就可以确定使用双曲线模型中所用到各种不同的函数。美国的Mohamed Aly教授则采用了多条曲线模型^[14]，先通过对图像的预处理，接下来进行逆透视变换，来排除透视成像得到的图像中很多无关的因素对结果的干扰，然后通过边缘检测的方法，并通过增加滤波因子进行多次数据的拟合，就能够估计出方程中各种参数的值。以上这些方法，都是通过先建立合适的道路模型然后通过方程式的求解，来得到合适的直线方程。如何选择正确的模型并计算出正确参数是这种方法的难点 。

1.3 论文主要研究内容

为了得到准确的检测出车道线的检测方法，同时还要求该方法有着很好的实时性，我们必须选出多种方案，通过对多种方案的实验后才能的出最好的方案，并且要针对得到的车道图像作出最好的预处理手段，用最少的步骤来取得最好的效果。