陈杨，石晶，刘丛浩

基于改进霍夫变换的车道线识别算法

陈杨，石晶，刘丛浩

（辽宁工业大学汽车与交通工程学院，辽宁 锦州 121001）

针对霍夫变换时间复杂度高、准确性差的缺点，提出一套基于改进霍夫变换的完整车道线识别算法流程。该完整算法包括感兴趣区域划分、灰度化、二值化、Canny边缘检测和改进霍夫变换。改进霍夫变换首先采用概率统计原理对车道线点集分类，依据分类情况投票判断车道线；其次采用极径极角约束优化在目标区域筛选目标车道线。实验结果表明：改进后算法有效识别目标。

车道线识别；概率霍夫变换；极径极角约束

前言

高级辅助驾驶系统是当前汽车产业重点发展方向之一，国内外广大学者都投入大量精力进行研究[1]。车道线信息是辅助驾驶的基础输入信息，该信息决定了辅助驾驶的准确程度。车道线检测包括感兴趣区域划分、灰度化、滤波、二值化、Canny边缘检测、霍夫变换，文献[2]采用传统霍夫变换识别车道线，缺点是运算量大、误识别率高。文献[3]采用多方法进行预处理，但是相对运算时间复杂度增加。本文提出一种改进霍夫变换，采用概率运算降低时间复杂度，采用极径极角约束筛选车道像素点筛选目标车道线，同原始霍夫变换相比，改进霍夫变换能准确快速识别车道线。

1 图像预处理

1.1 感兴趣区域选择

结合先验知识分析大量图片，在大部分车道图像中，车道普遍位于图像下半部分。以图像高度一半为分界，选定图像下半部分为感兴趣区域，相比较原始图像，设定感兴趣区域可以减少一半程序计算量，并排除非感兴趣区域中信息干扰。……