摘 要

经历了一百多年的发展，汽车因为其优越的便利性和性能为大众所喜爱，汽车已经成为大众家庭的标配，几乎每家每户都有一辆代步车。然而，在人们享受汽车的便利性所带来的生活方式的转变的同时，也面临着严峻且复杂多样的交通问题。因为汽车产量与出货量的提高，越来越多的交通事故在不断发生，而人作为汽车的操控者，难免会因为人为的因素而产生各种交通问题，所以用计算机代替人类驾驶汽车的技术便应运而生，而车道线识别技术恰恰成为了其中非常重要的一个技术环节，因为它对保障车辆的安全驾驶和驾驶员的生命安全有着至关重要的作用。

本文主要研究了车道线识别算法的实现方案，目前来看，很多不同的车道线识别的解决方案已经被世界上很多国家提出，以前车道线识别的算法主要是根据车道线与背景的颜色深浅或者亮度不同进行区分，但是这种方法误差比较大，很受外界光线和车道线本身的存在的完整性的影响，虽然问题再不断得以解决，但是美中不足的是大多的改进算法处理速度较慢，即时性也差强人意。因此，如何准确、快速地检测识别出车道线已成为智能车辆辅助驾驶系统的一个重要问题。本文主要针对道路特点以及对车道线识别的准确性和鲁棒性等要求，首先主要基于OpenCV 对行车图像进行灰度化、平滑滤波，再采用对比分析的方法使用Canny边缘检测和Hough变换等过程完成车道线识别的工作，并搭建实验环境，检验方法的合理性。最后对方案进行了测试，说明了方案在一定程度上的普遍适用性。完成的主要内容包括：（1）分析已有的车道线识别的方法进行选择；（2）理解基于机器视觉和OpenCV的车道线识别的理论基础；（3）完成车道线识别方法的算法设计和程序编写；（4）分析车道线识别结果的可行性，得出最终的结论。

通过测试与分析，本文所选择的车道线识别方案能够较好的识别车道线识别的任务，并在多种环境和场合下适用，对车道线识别系统的研究具有较大意义。

关键词：灰度化，平滑滤波，Canny边缘检测，霍夫变换

Abstract

After more than 100 years of development, cars are favored by the masses because of their superior convenience and performance. Cars have become the standard of the masses' families, and almost every family has a scooter. However, while people enjoy the convenience of cars brought about by the change of lifestyle, they also face severe and complex traffic problems. For automotive production and improvement of shipments, more and more traffic accidents happen in continuously, and people as auto pilot, hard to avoid can produce all kinds of traffic problems because of human factors, so use the computer instead of the human driving technology arises at the historic moment, and just lane line identification technology has become the one of very important technical link, because it to ensure the safe driving of the vehicle and the driver's life have a vital role.

Now, a lot of different lane line identification solutions have been put forward many countries around the world, before the lane line identification algorithm is mainly based on the lane line and the background color or brightness to distinguish different shades, error is large, but this method is popular with the light and the integrity of the existence of the influence of the lane line itself; Therefore, most of the later lane line recognition algorithms are aimed at solving this problem, but the disadvantage is that most of the improved algorithms are slow in processing speed and less than satisfactory in immediacy. Therefore, how to detect and identify lane lines accurately and quickly has become an important problem of intelligent vehicle assisted driving system. In view of the road characteristics and the accuracy and robustness of lane line recognition, this paper is mainly based on OpenCV to complete lane line recognition through gray-scale, smooth filtering, Canny edge detection and Hough transformation of driving images, and set up an experimental environment to verify the rationality of the method. The main contents completed include :(1) analyze the existing lane line identification method to select; (2) understand the theoretical basis of lane recognition based on machine vision and OpenCV; (3) to complete the algorithm design and programming of lane line identification method; (4) analyze the feasibility of lane line identification results and draw the final conclusion.

Key Words：Grayscale, smooth filter, Canny edge detection, hough transform

目录

第一章 绪论 1

1.1 课题研究的背景和意义 1

1.2 车道线识别研究现状 1

1.3 本文的主要工作 2

第二章 图像预处理与实验分析 3

2.1 图像缩放处理 3

2.2 图像灰度化 3

2.3平滑滤波 5

2.3.1 中值算法 5

2.3.2 高斯滤波 5

2.4 灰度化与平滑滤波实验结果 6

2.5 本章总结 6

第三章 边缘检测与特征区域划分处理 7

3.1 Sobel算子 7

3.2 Roberts算子 8

3.3 Canny算子 8

3.3.1 图像的梯度幅值非极大值抑制 8

3.3.2 滞后阈值处理及边缘连接 9

3.4 canny算法处理结果 9

3.5特征区域划分原理 9

3.6 特征区域划分过程与结果 10

3.7 本章总结 11

第四章 霍夫变换与车道线拟合 13

4.1 霍夫变换原理分析 13

4.2 车道线拟合原理分析 13

4.2.1 最小二乘法 13

4.2.2 RANSAC（随机抽样一致性） 14

4.3 霍夫变化与车道线拟合实验结果 14

4.4 本章总结 16

第五章 结果分析与总结 17

5.1 实验结果分析 17

5.2 本章总结 19

参考文献 20

致谢 22

绪论

课题研究的背景和意义

当今世界科技飞速发展，汽车作为时代的产物已经成为了大众家庭的标配代步工具，其便捷性和实用性越来越为人们所喜爱。然而，在人们享受汽车的便利性所带来的生活方式的转变的同时，也面临着严峻且复杂多样的交通问题。因为汽车产量与出货量的提高，越来越多的交通事故在不断发生，而人作为汽车的操控者，难免会因为人为的因素而产生各种交通问题，这些交通问题有主观的也有客观的，主观因素主要是驾驶员的疲劳驾驶，酒后驾车或者是超速违规等一系列人为的操作导致的，客观因素主要是由于天气的变化间接导致驾驶员的操作失误，比如雨雪天气，大雾天气对驾驶员视野视线的干扰与阻碍等都是诱发交通事故发生的重要因素之一，我国人口基数非常大，汽车保有量也非常的高，所以这种交通问题在我国显得更为突出。

所以用计算机代替人类驾驶汽车的技术便应运而生，智能车辆的研究也如雨后春笋般在中国乃至世界各国开展起来。而车道线识别技术恰恰成为了其中非常重要的一个技术环节，因为它对保障车辆的安全驾驶和驾驶员的生命安全都有着至关重要的作用。 但是目前的车道线识别技术的鲁棒性和精确度还比较低，尤其是在面对复杂多变的路况的检测。可能会由于车道线的缺失，对比度低，阴影区域过大等一系列的环境因素造成对检测和识别结果的较大错误和误差，这当然是绝对不允许出现的，所以基于机器视觉的车道线检测对于日常交通也是具有非常大的现实意义的。因为智能车辆辅助驾驶系统的重中之重便是基于机器视觉的车道线检测识别。所以对于该技术一直有很多人去研究并且加以改进。所谓车道线检测就是从摄像头获得的图像中，根据灰度或者色块将车道线与背景进行分离，从中找出车道线并进行车道线的方向分析或者识别。目前来看，很多不同的车道线识别的解决方案已经被世界上很多国家提出，以前车道线识别的算法主要是根据车道线与背景的颜色深浅或者亮度不同进行区分，但是这种方法误差比较大，很受外界光线和车道线本身的存在的完整性的影响^[1]。所以后来的车道线识别算法大多是朝着解决这个问题去努力的，但是美中不足的是大多的改进算法处理速度较慢，即时性也差强人意。因此，如何准确、快速地检测识别出车道线已成为智能车辆辅助驾驶系统的一个重要问题。

车道线识别研究现状

国内外的车道线识别检测的研究起步很早，现在已经有很多核心算法被提出以及很多比较成熟的系统被研发出来。