高 扬，王 晨，李昭健

(1.长安大学汽车学院，西安 710000；2.长安大学汽车学院，西安 710000；3.汽车运输安全保障技术交通行业重点实验室，西安 710000)

无人驾驶汽车是一个集环境感知、路径规划、系统控制等功能于一体的综合系统[1]。车道线作为一种交通标志，约定了汽车的基本行驶规范。因此对车道线的检测是无人驾驶技术的关键。

已有车道线检测方法大致可分为：基于特征的方法，基于模型的方法及基于深度学习的方法[2]。基于特征的车道线检测方法，主要是利用车道线与路面及其周边之间的纹理、灰度值、梯度变化以及边缘等特征差异，通过阈值分割，将车道线特征信息从图片中分离出来[3]。刘源等[4]提出了一种基于边缘特征点聚类的车道线检测方法。赵岩等[5]提出了一种基于轮廓筛选的车道线检测方法，提取车道线特征点进而拟合车道线。王智宇等[6]提出了一种改进随机抽样一致算法的车道线识别方法。这种类型的算法对噪声比较敏感，且易受到车道线遮挡及破损的影响，鲁棒性较差。

基于模型的方法原理是将车道线检测问题简化为求解模型参数问题[7]。根据路面的特征将车道线转换为几何模型，然后通过霍夫变换、随机抽样一致(random sample consensus,RANSAC)算法和最小二乘法[8]获得该模型的参数来拟合对应的车道线。Cai等[9]建立一种高斯统计颜色模型在感兴趣区域提取车道线颜色，利用改进的霍夫变换检测车道线。这种方法建立在特定几何模型基础上，通过分析道路图像中的目标信息来确定相应的模型参数，实时性好并且抗噪声强，对于车道线被遮挡、路面存在干扰的情况具有较好的鲁棒性。……