辛 敏，罗 山

(攀枝花学院智能制造学院，四川 攀枝花 617000)

0 引言

车道偏离报警系统[1]是无人驾驶的关键环节之一。车道线识别是通过检测道路图像特征点，从而定位车道线的位置。吴志军等[2]提出基于Sobel和hough变换的车道线识别算法，给出了完整的车道线识别算法，对常用工况下的车道线图像进行识别有较好的效果。但是，由于车道线在复杂的天气变化和道路环境下会变得模糊不清，例如道路图像在阴影、强弱光照、雾霭、雨天等条件下，车道线并不是清晰可见的，而车辆在此类环境道路上行驶比较常见[3]，由此给车道线识别算法带来挑战。针对此类问题，本文在研究Hough变换的基础上，提出改进的Hough变换车道线识别方法，通过实验对比分析了算法改进前后的识别效果。

1 车道线识别系统设计

车道线识别主要是将采集的彩色道路图像进行输入识别检测，最终识别出路面上的车道线。其中输入为彩色道路图像，输出为标定的路面车道线，本文的系统设计流程如图1所示。

图1 车道线识别系统流程

2 图像预处理

受道路结构的复杂程度的影响，采集到的图像可能会含有许多因素的干扰，例如噪声、树木遮挡、光照强度不均匀、车道线磨损等干扰，都会影响车道线边缘检测和车道线识别的实时性和精确性[4]。本文的图像预处理包括三部分：目标区域划分、图像灰度化、图像去噪。

2.1 目标区域划分

图像采集后需要进行目标区域的划分，选择目标对象所处区域作为感兴趣的部分进行重点分析处理，其他区域予以忽略。……