万 斌，童 亮，魏双叶，任子豪

(北京信息科技大学 机电工程学院，北京 100192)

0 引言

车道线是限制车辆按照规定路线行驶的路面信号。准确检测车道线并保持实时跟踪是智能车实现无人驾驶、车道偏离检测等的首要条件。然而在实际情况下，车道线被遮挡、光照环境的变化或是其他不可抗因素都会干扰车道线检测，使其结果精度下降[1]。为了实现车道线检测，国内外有诸多不同的解决方法。吕侃徽等[2]使用改进的Hough变换耦合密度空间聚类的车道线检测算法，通过引入空间聚类算法实现车道线检测；Babenko等[3]在检测系统中加入基于卡尔曼滤波的车道线状态参数表，通过算法实现对车道线的实时跟踪，但存在初始误差过大的缺点，需要通过递归循环卡尔曼增益来弥补精度的不足；Nummiaro K[4]通过结合B样条曲线的车道线数学模型，使用随机采样的方法，在保持参数一致性的前提下拟合获取车道线，该方法具有一定的环境适应能力；吴彦文等[5]通过改进霍夫变换提取的边缘线段，结合高精度地图中的车道线先验模型参数来预测车道线轨迹，实现车道线检测；Alsenan S等[6]通过递归神经网络来检测复杂工况下的车道线信息，但处理速度较慢；田锦等[7]通过一种基于实例分割的方法，将神经网络与传统算法结合检测车道，有较好的检测精度。

本文提出了一种基于自适应滑动窗口的车道线识别算法，通过对检测单帧图像内的车道线进行小窗口分割，求得车道线方程参数组，最终实现不同环境因素影响下的车道线识别。……