摘 要：本文研究了基于機(jī)器視覺(jué)的車道標(biāo)志線實(shí)時(shí)檢測(cè)問(wèn)題。在討論了各種車道模型的基礎(chǔ)上，提出了一種基于分段切換的車道模型，并且簡(jiǎn)單論述了車道圖像的檢測(cè)算法，并進(jìn)一步對(duì)試驗(yàn)效果進(jìn)行了討論與分析。試驗(yàn)結(jié)果表明，該基于分段切換車道模型的車道識(shí)別算法，能夠很好地匹配各種形狀道路,并具有較好的實(shí)時(shí)性。 關(guān)鍵詞：機(jī)器視覺(jué) 車道識(shí)別 智能駕駛 [b][align=center]Research of Real-time Machine Vision-based Detection of Lane Edge SUN Qi-Rong, JI Guang-Rong，LU Ze-Run[/align][/b] Abstract: Real-time machine vision-based detection of lane edge is studied. All kinds of lane models are described. A lane detection algorithm based on the multi-sectional switch lane model is proposed and the detecting algorithm of lane image is discussed . The recognition results are given and analyzed in the end. Experimental results show that this method can fit lane boundaries with various shapes accurately and it is characterized by its good real-time etc. Keywords: Machine Vision;Lane Detection;Intelligence Steer 0 引言 　　在智能車研究領(lǐng)域，車道識(shí)別無(wú)論是對(duì)于車道偏離報(bào)警還是車道保持等主動(dòng)安全系統(tǒng)都是一項(xiàng)關(guān)鍵技術(shù)[1]。車道識(shí)別技術(shù)的一個(gè)重要步驟就是車道模型的選擇，合適的車道模型能夠更好地描述車道的幾何形狀，同時(shí)又有利于檢測(cè)算法的實(shí)時(shí)性。 1 車道模型 　　1.1 分段切換車道模型 　　國(guó)內(nèi)外的許多學(xué)者建立了多種車道模型。最簡(jiǎn)單的車道模型為直線模型，該模型的優(yōu)點(diǎn)在于所需計(jì)算量小，利于提高算法的實(shí)時(shí)性，但是直線模型對(duì)于有曲率路段的匹配不夠精確。為了彌補(bǔ)直線模型的這個(gè)缺點(diǎn)，研究者提出了多種曲線模型，例如同心圓曲線模型、二次曲線模型、近似的回旋曲線模型等。相比直線模型，曲線模型能夠更好地描述車道線的幾何形狀，但是曲線模型更為復(fù)雜，在和車道線匹配的過(guò)程中需要更大的計(jì)算量，會(huì)影響算法的實(shí)時(shí)性。為了彌補(bǔ)單一模型的缺陷，有研究者提出了組合模型的概念，例如分段直線模型[2]、直線-拋物線模型[3]等，對(duì)于近視場(chǎng)區(qū)域，組合模型利用直線匹配車道線，但是對(duì)于遠(yuǎn)視場(chǎng)模型的選擇，組合模型依然面臨困難，如果選擇直線模型，和有曲率道路吻合的不好，如果選擇曲線模型，又不利于計(jì)算量的控制。 　　為了解決車道模型描述車道線實(shí)際形狀的準(zhǔn)確性與車道識(shí)別算法的實(shí)時(shí)性之間的矛盾，本文對(duì)組合模型進(jìn)行改進(jìn)，設(shè)計(jì)了一種分段切換車道模型。該模型和組合模型類似，也把圖像分成了近視場(chǎng)區(qū)域和遠(yuǎn)視場(chǎng)區(qū)域，因?yàn)榻晥?chǎng)區(qū)域的車道線基本上為直線，因此分段切換車道模型的下半段采用了直線模型。對(duì)于遠(yuǎn)視場(chǎng)區(qū)域，根據(jù)道路的彎曲程度，分段切換車道模型的上半段按照切換邏輯在直線模型和二次曲線模型之間進(jìn)行切換。 詳情請(qǐng)點(diǎn)擊：基于機(jī)器視覺(jué)的車道標(biāo)志線實(shí)時(shí)檢測(cè)研究