一種快速的公交專用車道檢測方法

　　摘 要： 為了提高車道線檢測的準確性和實時性，提出了一種快速準確的車道線檢測方法。首先根據道路的紋理特征求出道路的消失點，再采用改進的Hough變換檢測出車道線，結合車道線的一些特征以及攝像頭的參數，在不影響測量結果的情況下縮小檢測空間，快速準確地檢測道路的車道線，并結合BRT車道（快速公交車道）的一些特征識別車輛所在車道是否為BRT車道，從而實現對BRT車道內前方車輛的監督。將代碼移植到DM6437開發平臺隨著經濟以及道路的發展，我國的汽車保有量迅速上升，交通事故也成為人們普遍關注的焦點。為了提高駕駛的安全性以及操作的簡單性，車輛安全輔助駕駛系統成為當今國際智能交通系統研究的重要內容。車道線檢測作為車輛安全駕駛的一個重要研究方向，可以在車輛偏離航道時發出報警信息，有效地抑制事故的發生，具有重要的研究意義。

　　目前，國內外學者已經提出了很多車道線檢測算法，主要分為兩類：一類是基于圖像特征的檢測方法，即特征驅動法，是基于道路圖像的一些特征（如車道線顏色、寬度以及邊緣等特征）將圖像的所有點標記為車道線點和非車道線點，這種機制要求道路的車道線顏色較為明顯，邊緣較為清晰，否則無法得到準確的檢測結果；另一類方法是基于模型的檢測方法，是根據提取的特征對預先定義好的車道線模型進行匹配，將車道線的提取轉化為車道線模型中參數的計算問題。模型的假設主要有直線模型和曲線模型兩種，其優點是對噪音不敏感，能較好地處理圖像中物體局部被遮擋和覆蓋的情況。本文結合道路的紋理特征并建立模型進行車道檢測，既充分利用圖像的信息，又在一定程度上保證了算法的魯棒性。

　　本文首先對圖像進行預處理，然后對圖像進行Hough變換或者Gabor變換，得到車道線位置信息，判斷出車輛是否在車道內行駛，如果不在則發出預警信號。

　　1 圖像的預處理

　　圖像的預處理主要是對攝像頭實時采集的圖像進行前期處理，主要包括去除圖像的各種噪聲，并根據攝像機的位置調節算法中的一些參數提取圖像的感興趣區域（ROI），以及進行邊緣檢測等，目的是為了加強圖像的有用信息，抑制干擾。

　　標定攝像頭以后，選取一定的區域作為車道線檢測區域，進行平滑去噪，并對其邊緣進行檢測。本文采用Canny邊緣檢測。圖1為拍攝的原始道路圖像，圖2為不同環境下（白天、陰天、夜晚）的檢測結果。