黎 明， 计春雷， 张鸿洲

（1.上海电机学院 电子信息学院，上海 200240；2.公安部第三研究所，上海 201204）

车道线的GrowCut快速检测算法

黎 明1， 计春雷1， 张鸿洲2

（1.上海电机学院 电子信息学院，上海 200240；2.公安部第三研究所，上海 201204）

针对目前智能交通领域中车道线检测算法效率低、鲁棒性差等问题，提出了一种基于GrowCut的车道线快速检测方法。从监控摄像机中采集图像并标定初始种子点，利用GrowCut算法进行边缘分割，对分割结果经过中值平滑滤波、边缘提取、分半处理及曲线拟合，最终得到清晰的车道线。将GrowCut算法与分水岭算法进行了对比，结果表明：该算法简便快捷、鲁棒性好，优于经典算法，可广泛应用于智能交通、公共安全领域。

车道线检测；图像分割；智能交通

车道线检测是PTZ（Pan Tilt Zoom，PTZ）摄像机自动标定、智能视频分析、汽车辅助驾驶以及室外机器人自动导航的首要环节和关键步骤，具体是指从监控摄像头获取的视频图像中，根据车道线的颜色、纹理、形状等特征，将车道线与背景分离，从而获得车道线的走向或标记车道的区域范围［1］，而图像分割是其中的一个重要环节。

经典的图像分割算法大致可以分为阈值分割法［2-3］、区域增长法［4］、聚类法［5］等。阈值分割法是最为基础的图像分割算法，由于计算量小、实现简单、性能稳定等诸多优点而得到广泛应用，但阈值的选取往往是决定分割成败的关键因素。区域增长法由于涉及迭代操作，效率不高，并且容易发生过分割现象，分水岭算法［6］就是其中的典型代表。……