一种快速的公交专用车道检测方法

　　摘 要： 为了提高车道线检测的准确性和实时性，提出了一种快速准确的车道线检测方法。首先根据道路的纹理特征求出道路的消失点，再采用改进的Hough变换检测出车道线，结合车道线的一些特征以及摄像头的参数，在不影响测量结果的情况下缩小检测空间，快速准确地检测道路的车道线，并结合BRT车道（快速公交车道）的一些特征识别车辆所在车道是否为BRT车道，从而实现对BRT车道内前方车辆的监督。将代码移植到DM6437开发平台随着经济以及道路的发展，我国的汽车保有量迅速上升，交通事故也成为人们普遍关注的焦点。为了提高驾驶的安全性以及操作的简单性，车辆安全辅助驾驶系统成为当今国际智能交通系统研究的重要内容。车道线检测作为车辆安全驾驶的一个重要研究方向，可以在车辆偏离航道时发出报警信息，有效地抑制事故的发生，具有重要的研究意义。

　　目前，国内外学者已经提出了很多车道线检测算法，主要分为两类：一类是基于图像特征的检测方法，即特征驱动法，是基于道路图像的一些特征（如车道线颜色、宽度以及边缘等特征）将图像的所有点标记为车道线点和非车道线点，这种机制要求道路的车道线颜色较为明显，边缘较为清晰，否则无法得到准确的检测结果；另一类方法是基于模型的检测方法，是根据提取的特征对预先定义好的车道线模型进行匹配，将车道线的提取转化为车道线模型中参数的计算问题。模型的假设主要有直线模型和曲线模型两种，其优点是对噪音不敏感，能较好地处理图像中物体局部被遮挡和覆盖的情况。本文结合道路的纹理特征并建立模型进行车道检测，既充分利用图像的信息，又在一定程度上保证了算法的鲁棒性。

　　本文首先对图像进行预处理，然后对图像进行Hough变换或者Gabor变换，得到车道线位置信息，判断出车辆是否在车道内行驶，如果不在则发出预警信号。

　　1 图像的预处理

　　图像的预处理主要是对摄像头实时采集的图像进行前期处理，主要包括去除图像的各种噪声，并根据摄像机的位置调节算法中的一些参数提取图像的感兴趣区域（ROI），以及进行边缘检测等，目的是为了加强图像的有用信息，抑制干扰。

　　标定摄像头以后，选取一定的区域作为车道线检测区域，进行平滑去噪，并对其边缘进行检测。本文采用Canny边缘检测。图1为拍摄的原始道路图像，图2为不同环境下（白天、阴天、夜晚）的检测结果。