杨荣锦，张秀峰，龚莉娜，牛选兵，王 伟，马天翼

(大连民族大学 机电工程学院，辽宁 大连 116605)

车道线检测是智能辅助驾驶系统和自动驾驶的重要组成部分。在实际的车道线检测任务中，需要面对各种复杂的道路场景，如车道线破损、光照影响、雨天、雾天等造成车道线被部分遮挡或完全遮挡。传统的车道线检测方法难以解决以上问题，随着深度学习在图像分类任务中取得的巨大进步，在车道线检测任务中基于深度学习的研究方法逐渐占据主导地位。车道线检测的实现大致由三部分组成：图像预处理、特征提取、车道线拟合，其中特征提取是车道线检测任务的核心部分。目前基于视觉的车道线检测任务的特征提取方法主要有两种，一种是利用车道线的颜色、梯度、纹理、视觉消失点等特征将车道线从图像中分离出来，这种方法依赖于人工设计的特征，是传统的车道线特征提取方法[1-9]；另一种是利用自动学习特征的深度学习技术进行特征提取，与传统方法相比基于深度学习的提取特征方法检测精度高、鲁棒性好。因此，本文将主要综述基于深度学习的车道线检测方法。

目前综述性的车道线检测论文较少，文献[10]对车道线检测系统进行了说明，对边缘特征提取和车道线拟合两方面进行了总结，仅列举了部分基于语义分割的算法；文献[11]对车道线检测各个步骤的实现方法进行了详细的总结分析，由于涉及的范围较广，对每个步骤中使用的各类方法不能做到详细地描述。……