田明锐 ，孙宏斐 ，胡永彪 ，夏晓华 ，2，岳鹏举

（1.长安大学道路施工技术与装备教育部重点实验室，陕西 西安 710064；2.柳州欧维姆机械股份有限公司，广西 柳州 545006；3.广西柳工机械股份有限公司，广西 柳州 545006）

随着我国交通运输事业的发展，机器视觉和图像处理逐步应用于公路交通的各行各业，这些应用大都涉及道路标线检测。目前，道路标线的检测分为静态检测和实时检测。静态检测多是在边缘检测算子的基础上进行改进而实现。这类检测适用于需要获取图像细节特征的方面，如道路、桥梁及病害的自动化检测等方面。现有的改进方式包括文献[1]提出的通过调整算子模板来改善检测结果，这种方式在一定程度上可以获得较好的检测结果，但是对于噪声过多、亮度不均的图片处理能力有限，没有解决不同图片阈值选取困难的问题；文献[2]在边缘检测前加入了提取颜色特征的步骤，文献[3]在边缘检测前引入了维纳滤波，这两种方式检测前对图像进行了一定的预处理，但对亮度不均、标线复杂的图像处理效果不佳，不能排除路面区域外的伪边缘。实时检测则是依靠深度学习[4]或者模板和几何特征匹配[5]，这类检测主要适用于汽车的智能驾驶方面[6]。这种检测方式检测速度快，但无法获得道路和标线的细节特征，如文献[6]提出的检测方法，检测速度可以达到50帧每秒，但只能检测车道线，完成车道的分割，很难处理其他道路标线，如转向箭头，斑马线等。……