王立春，刘宁钟，李强懿

(南京航空航天大学 计算机科学与技术学院，江苏 南京 211100)

0 引 言

随着公路建设的迅速发展，对公路养护的任务量与日俱增，传统的人工查看方式已不再适用。随着无人机航拍技术的发展，利用无人机航拍对公路标线进行自动检测分析具有很好的应用前景[1]。

对于公路标线的自动化分析，首要的任务便是路面标线的检测分割。由于航拍图像拍摄范围较大，包含比较多公路以外区域，所以公路分割是公路标线提取的第一步。目前对于公路分割的方法比较多。例如，徐玲凌等提出改进C-V水平集模型的图形分割算法对公路进行分割[2]；岳建坡等提出了最大类间方差路面分割算法[3]。在完成公路分割后，检测滤除路面上的车辆等非标线目标成为提取标线的关键。对于车辆检测算法，在传统的检测模型中，基于手工设计特征的检测模型被广泛使用[4]，如SIFT、Harris等。传统方法特征设计较复杂，效果具有局限性，近年来，深度学习被广泛应用于物体检测与识别领域[5-6]，并取得了较好的效果。

文献[7-8]分别将角点特征以及HOG特征作为特征提取方法，然后结合SVM分类器实现了航拍图像中的车辆检测。文献[9]采用滑动窗口与深度神经网络结合的方法进行车辆检测。针对标线提取方法,文献[10-11]提出一种改进的Hough变换车道标线识别算法,文献[12]将改进的概率Hough变换和特征匹配算法用于车道线的检测。文献[13]采用多种过滤算法，提高了标线检测的准确度。……