赵 岩, 赵建国

(郑州大学机械与动力工程学院， 郑州 450052)

随着汽车行业的快速发展，车辆的辅助驾驶技术在车辆的安全行驶方面扮演着日益重要的角色，而准确高效地检测车道线是实现辅助驾驶技术的基础。传统的车道线检测方法主要分为两大类：基于特征和基于模型。Wang等[1]先采用CHEVP方法预测车道线消失点位置，接着确定B-Snake车道模型的起始位置，然后基于道路模型确定用于描述车道线的样条曲线所需要的控制点，最后采用最小均方误差法更新曲线控制点实现车道线的检测。付利军等[2]首先提取图像的边缘信息，将边缘像素最多的行作为感兴趣区域(region of interest，RoI)的分界线，然后选择特定的梯度方向细化RoI以抑制非车道线边缘等杂乱背景的影响，最后利用方向区间与阈值对Hough变换改进来检测车道线，由于该方法基于边缘像素数目确定RoI，当存在移动车辆等强干扰的情况下不能有效地确定RoI。姜立标等[3]设计了一种结合改进Hough变换和双点去除R-最小二乘法检测车道线，并运用卡尔曼滤波器跟踪车道线。王智宇等[4]采用快速的积分图法对图像进行自适应二值化，接着进行Harris检点检测，最后运用改进了选择初始点和删除外点的RANSAC估计车道线参数。刘源等[5]提出了一种基于边缘特征点聚类的车道线检测方法，首先基于车道线边缘的梯度分布和灰度分布提取边缘特征点，然后根据车道线特征点的连续性和梯度方向的一致性进行特征点聚类得到离散区域，通过衡量各区域之间的相似度进行区域聚类，最后选择最优区域内的点进行拟合。……