第5卷第6期 智能系统学报 Vol.5 No.6 2010年12月 CAAI Transactions on Intelligent Systems Dec.2010 doi:10.3969/i.issn.1673-4785.2010.06.007 道路区域分割的车道线检测方法 鲁曼，蔡自兴，李仪 (中南大学信息科学与工程学院，湖南长沙410083) 摘要：为了满足无人驾驶车在高速公路行驶的实时性和鲁棒性要求，提出了一种基于道路区域分割的车道线检测 方法.该方法分道路区域分割和车道线检测2个阶段.在道路区域分割阶段，首先提取的道路颜色值，然后在二值边 缘图像中搜索连通域，通过将连通域的颜色特征值与道路颜色特征值比较来快速定位道路区域，并将这一区域划定 为车道线检测的感兴趣区域.车道线检测阶段则使用改进的概率Hgh变换方法提取车道线点，并使用最小二乘法 对车道线点集进行拟合，获得车道线模型的参数.实验证明该方法相比传统的利用标准Hough变换算法准确率提升 23%,有效地排除了道路区域外的直线像素干扰，具备较好的鲁棒性和实时性. 关键词：车道线检测；区域分割：概率Hough变换：感兴趣区域 中图分类号：TP391.4文献标志码：A文章编号：1673-4785(2010)06050505 A lane detection method based on road segmentation LU Man,CAI Zi-xing,LI Yi (School of Information Science and Engineering,Central South University,Changsha 410083,China) Abstract:A lane detection method was developed based on road segmentation to satisfy the real-time and robustness requirements of an automated vehicle when driven on the highway.The proposed method was divided into two pha- ses of road segmentation and lane detection.After extracting the color feature of the highway,the road segmentation phase quickly located the road region through searching connected regions of binary edge images and comparing the color feature of connected regions with the highway,and then set the road region as the region of interest (ROI)for lane detection.An improved probabilistic Hough transformation method was used to extract the lane pixels in the lane detection phase,and the least squares method was used for fitting the lane pixels to get the parameters of the lane model.Experiments show that the accuracy is improved 23%by the proposed method compared with the con- ventional method using standard Hough transformation,and linear pixels outside the road region were effectively ruled out.The proposed method has high robustness and real-time performance. Keywords:lane detection;region segmentation;probabilistic Hough transform;ROI 在智能车辆和无人驾驶车的研究领域中，基于等).在车道线大部分被遮挡、各种交通参与者存在 机器视觉的车道线检测是实现车道偏离报警、车道的情况下，利用标准Hough变换检测直线的传统算 保持等主动安全功能的一项关键技术].到目前为 法（以下简称传统方法）虽然简单，但往往会出现误 止，已经提出和发展了多种基于视觉的适用于不同 识别：而目前的一些复杂算法虽然抗干扰能力强，但 车道线的检测算法.这些算法采用了不同的道路模 是实时性又不能满足智能车快速行驶的要求.针对 型（如直线或曲线模型2）和不同的识别技术（如 高速公路的特点以及对车道线识别的实时性和鲁棒 Houg变换法)、模板匹配法4)、神经网络法[5] 性的要求 在智能车获取的图像中，道路的路面是道路在 收稿日期：2009-11-15. 图像中的总体特征，路面上的标志线为局部特征，先 基金项目：国家自然科学基金资助项目(90820302,60805027)：国家 博士点基金资助项目(200805330005)；湖南省院士基金资 把握总体特征，再处理局部特征，有助于图像的处理 助项目(2009F4030). 和理解.而且道路图像中还存在除车道线外具备线 通信作者：鲁曼.E-mail:sophia..luman@gmail..com, 形特征的物体，如路面栏杆、修剪的树木等，不分割