胡泽军，项新建，黄炳强，姚佳娜，王乐乐

（1.浙江科技学院机械与能源工程学院，浙江 杭州310000；2.浙江科技学院自动化与电气工程学院，浙江 杭州310000）

高级辅助驾驶系统正逐渐融入电动汽车。辅助系统既能在危险情况下提醒驾驶员，又能主动介入驾驶过程对危险驾驶行为进行干预。在今后，智能驾驶辅助系统将变得更为智能，而车道线的提取为智能驾驶辅助系统重要组成部分之一。车道线精准的检测提取，为自动巡航驾驶、车道保持、变道超车等技术提供重要的信息基础，为驾驶员在行驶的过程中提供安全保证[1-3]。

实现非结构性道路和结构性道路的快速车道线检测、跟踪是该模块的关键问题。YU等人[4]提出了一种多分辨率和多尺度霍夫变换（Houghtransform）车道边界检测，通过设定的车道线几何特征的阈值，得到车道线的方法。LEE[5]提出了通过边缘分布函数估计车道后续车道线方向变化，但是对于虚线和弯道检测效果并不理想。KANG等人[6]在平坦路面基础上，根据边缘梯度变化方向以获得车道线拟合的初始控制点，最后根据密度函数确定最佳位置。文中使用了基于梯度检测的模型，后使用Gabor滤波器获得最优车道线。MECHAT等人[7]在文中使用了支持向量机分类筛选的方式对车道线区域进行筛选，并利用曲线定义了车道模型。KORTLI等人[8]在道路图像中建立感兴趣区域（Region of Interest，ROI），使用高斯滤波进行去噪，边缘检测进行用边缘加强，以获得车道线边界的提取方法。SHIN[9]在文中采用了粒子过滤器的车道线检测方法，对其进行了复杂的环境优化，提高了多路况下车道线检测的鲁棒性。……