近些年来，由于人们生活水平的不断提高以及公共基础设施的日益完善，汽车成为了人们出行的一大重要交通方式，道路上汽车数量的增长，也带来了一系列例如拥堵以及环保问题。然而，在这些问题中，最突出的，危害性最大的问题，便是随着汽车数量增长的交通事故发生的次数。其中，疲劳驾驶是造成交通事故的首要元凶。在重特大交通事故中，由于疲劳驾驶而引起的事故占比例达40%以上。其次，酒后驾驶造成交通事故的重要原因。在总的交通事故中，大约50%到60%事故是由于酒后驾驶造成的。除此之外，违反交通规则导致的交通事故也是一大因素。而最后，才是车辆故障，特殊天气等客观因素。由此可见，无论是疲劳驾驶，酒后驾驶，还是违反交通规则，人的主观因素才是造成交通事故的主要原因。因此，开发能够辅助驾驶员安全驾驶的辅助驾驶系统或是针对无人驾驶的自动驾驶系统是十分必要的。这些驾驶系统包括被动式告警，即对驾驶员的危险驾驶行为发出警示或者主动式干预，即直接接管部分驾驶操作进行纠偏，比如主动刹车系统防止汽车追尾。

其中车道偏离报警便是一种针对疲劳驾驶问题提出的解决方案。据交通部统计，约有50%的汽车交通事故是因为汽车偏离正常的行驶车道引起的，究其主要原因主要是驾驶员心神烦乱、注意力不集中或驾驶疲劳。23%的汽车驾驶员一个月内至少在转向盘上睡着一次；66%的卡车驾驶员自己在驾驶过程中打瞌睡；28%的卡车驾驶员在一个月内有在转向盘上睡着的经历。如此惊人的比例足以证明防止车道偏离的重要意义。

在目前，用于增强驾驶安全的车道偏离报警系统中，检测车道的技术主要有三种，即基于激光雷达传感器、基于超声波传感器与基于视觉传感器的方法。激光雷达·传感器。激光雷达传感器受环境影响较小，适合在变道辅助系统里面运用，但是价格非常昂贵；超声波传感器价格便宜，但是受测量距离短的制约，并且容dc易受到周围环境的干扰；CCD（Charge Coupled Device）视觉传感器价格低、体积小，能够采集到丰富的图像信息，并且还具有采集周期短，以及保持现有道路基础不变的优势。因此，利用CCD视觉传感器获取的丰富图像信息，通过特定算法提取出图像中的车行道位置，则是一种行之有效的方法。 1978 年日本机械技术研究所首次实现了基于视觉的智能车驾驶系统的道路试验，但是，由于图像所包含的信息过于丰富，对图像中的信息进行分析需要极大的计算量，而当时的硬件条件并不足以支持此种规模的计算能够在汽车平台上实现。因此，这项超前于硬件发展的研究进展缓慢，只有少数人员继续致力于基于视觉的智能车研究。

2. 研究的基本内容与方案

现如今，硬件性能的飞速发展，使得计算速度不再是基于视觉的传感器数据处理的瓶颈。同时，嵌入式设备的规模化生产，使得智能硬件平台的成本更加低廉。本设计采用嵌入式硬件，使用双目相机采集图像信息，通过车载硬件使用匹配算法确定出特定图像点的深度信息，提取出图像中的车行道。该解决方案相比于其他解决方案，兼顾了成本和检测的精确性，适应性良好,可以填补目前市场上的空白，有利于大规模推广和使用。

本设计的核心思想和原理是图像分割，霍夫变换以及K-means聚类算法。图像分割是图像分析的基础，对图像进一步处理需要此步骤。霍夫变换则能够在二维图像中识别图像所表示三维空间中的几何图形，用于识别图像所表示的空间中的车行道；K-means聚类算法则在最大程度上将图片中的车行道进行精确标示。通过这三步，将车行道类型提取出来，再辅以告警系统，则使整个系统能完成车行道识别和告警的功能。

1. 许宏科，秦严严. 一种基于Ｈｏｕｇｈ变换的车道线检测新方法. 徐州工程学院学报, Vol. 28 No. 4

2.段汝娇，赵伟，黄松岭，陈建业. 一种基于改进Hough变换的直线快速检测算法. 清华大学电机系电力系统国家重点实验室

3. F. Alejandro Nava. Theintersective Hough transform for geophysical applications