杨 益，何 颖

(西北工业大学自动化学院，陕西 西安 710129)

0 引言

车道线检测是智能车实现自动驾驶的基础。目前车道线的检测方法主要有2类:(1)第1类算法是基于模型的方法，常用的车道模型有直线模型［1］、二次曲线模型［2］、线性双曲线模型［3］、B 样条曲线模型［4］等。该类方法首先对道路原始RGB图像进行灰度转换，然后通过 Sobel、Laplace、Robert、Canny 等算子［5］提取车道线边缘，最后通过 Hough 变换［6］、最小二乘拟合［7］、RANSAC 拟合［8］等算法对边缘进行拟合，从而将车道线以数学模型的形式表达出来。虽然Hough变换等算法在参数估计中对消除离群点有一定的作用，但是在阴影或其他车辆、路牌、建筑等有明显边缘的物体的影响下，此类方法会检测出大量与车道线无关的边缘，算法性能将会显著降低。另外，此类方法是基于灰度空间检测边缘的，不能区分检测到的不同颜色的车道线。(2)第2类算法是基于特征的方法，该类方法一般先通过提取路面的颜色［9-10］、纹理［11］或边缘梯度等特征［12］，再用区域增长的方法获取道路区域，或用分类的方法获取车道线信息。而结构化道路的路面特征比较单一，很难提取出具有较好可区分性的特征。如果不加入其它严格约束条件，很容易受到与路面特征相似的非道路区域和光照变化场景的干扰。

传统基于颜色检测车道线的方法一般都是在灰度空间下进行的。该方法不能区分不同颜色的车道线，尤其是黄色车道线的识别。因为黄色车道线是不同方向行驶车辆的道路的分界线，它的检测对于保障智能车在路面安全行驶有很大作用。……