摘 要：本文研究了基于機器視覺的車道標志線實時檢測問題。在討論了各種車道模型的基礎上，提出了一種基于分段切換的車道模型，并且簡單論述了車道圖像的檢測算法，并進一步對試驗效果進行了討論與分析。試驗結果表明，該基于分段切換車道模型的車道識別算法，能夠很好地匹配各種形狀道路,并具有較好的實時性。 關鍵詞：機器視覺 車道識別 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 　　在智能車研究領域，車道識別無論是對于車道偏離報警還是車道保持等主動安全系統(tǒng)都是一項關鍵技術[1]。車道識別技術的一個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，同時又有利于檢測算法的實時性。 1 車道模型 　　1.1 分段切換車道模型 　　國內外的許多學者建立了多種車道模型。最簡單的車道模型為直線模型，該模型的優(yōu)點在于所需計算量小，利于提高算法的實時性，但是直線模型對于有曲率路段的匹配不夠精確。為了彌補直線模型的這個缺點，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雜，在和車道線匹配的過程中需要更大的計算量，會影響算法的實時性。為了彌補單一模型的缺陷，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，對于近視場區(qū)域，組合模型利用直線匹配車道線，但是對于遠視場模型的選擇，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，又不利于計算量的控制。 　　為了解決車道模型描述車道線實際形狀的準確性與車道識別算法的實時性之間的矛盾，本文對組合模型進行改進，設計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區(qū)域和遠視場區(qū)域，因為近視場區(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。對于遠視場區(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行切換。 詳情請點擊：基于機器視覺的車道標志線實時檢測研究