田 锦，袁家政，刘宏哲

（1.北京市信息服务工程重点实验室（北京联合大学），北京 100101；2.北京开放大学智能教育研究院，北京 100081）

（*通信作者电子邮箱jzyuan@139.com）

0 引言

随着人工智能的飞速发展［1］，传统汽车工业与信息技术的结合，使得智能驾驶技术的研究取得了很大的进步。智能驾驶技术是当今计算机视觉研究的主要焦点，无论是在学术层面还是在工业层面。计算机视觉［2］主要是利用计算机来模拟人类的视觉功能，即它提取、处理和理解图像信息，并将其用于检测、测量和控制。在汽车智能驾驶技术中，视觉传感器比超声波雷达和激光雷达能获得更精确、更丰富的信息。

自动驾驶［3］最具挑战性的任务之一是交通场景的理解，包括车道检测和语义分割等计算机视觉任务。车道检测有助于引导车辆，可用于驾驶辅助系统，而实例分割提供了关于车辆或行人等周围物体的更详细位置。基于摄像头的车道检测是实现这种环境理解的重要一步，因为它允许汽车在道路车道内正确定位。这对于任何后续的车道偏离或轨迹规划决策也是至关重要的。因此，进行准确的基于摄像头的车道检测是实现自动驾驶的关键。然而，在实际应用中，考虑到恶劣的天气条件、昏暗或眩光等许多严酷的场景，这些任务可能非常具有挑战性。

通常，传统的车道检测算法包括以下步骤：车道标记生成、车道标记分组、车道模型拟合和时间跟踪。提取正确的车道是成功生成车道标记的关键。……