蔡英凤 高 力 孙晓强 陈 龙 王 海

江苏大学汽车工程研究院，镇江，212000

0 引言

目前，无人驾驶技术吸引了人们极大的兴趣。根据车道线对车辆定位是无人驾驶技术的基本功能。从车道线的位置可以推测出车辆自身的位置、航向等信息。陈无畏等［1］提出一种基于边缘点投影的车道线快速识别算法，在目标搜索区域内，用边缘信息提取车道特征。何鹏等［2］通过背景减除和二值化方法得到车道线的特征点，使用Hough变换和Catmull-Rom样条曲线确定近场和远场的车道线。王楠［3］利用白色在YCbCr彩色空间的Y分量和黄色在Cb分量的属性区分黄色和白色车道线，但是没有给出区分虚线和实线的方法。NIU等［4］使用逆透视映射来生成道路图像的俯视图，使用简化的Hough变换检测得到车道线。王海等［5］提出基于方向可变Haar特征和双曲线模型的分布式车道线检测方法，采用方向可变Haar特征提取边缘特征点并拟合车道线模型。由于车道线在时空中是连续的，故有些算法用上一帧的检测结果约束下一帧的搜索范围和参数空间。李超等［6］在用Hough变换求解车道线参数后，利用帧间关联的算法对当前帧车道线模型进行约束，从而减少了图像数据的运算量。由于实际环境中的不确定性，如来自汽车和树木的阴影，照明条件的变化，破旧的车道标线和其他标志（指向箭头、警告字、斑马线等），对现有的识别算法造成了很大的干扰，因此，基于局部对比的车道线识别算法存在很大的局限性，车道线识别依然是一个充满挑战的课题，需要设计一种综合考虑周围环境的车道线识别算法。……