本發(fā)明涉及汽車偏離預(yù)警技術(shù)領(lǐng)域，尤其涉及一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)。
背景技術(shù)：
我國(guó)汽車產(chǎn)量和數(shù)量的急劇增長(zhǎng)，駕駛安全問題受到越來越多的關(guān)注。目前,汽車駕駛輔助系統(tǒng)產(chǎn)品隨著消費(fèi)者需求量的增加而快速發(fā)展，城市建設(shè)和汽車產(chǎn)業(yè)的迅速發(fā)展，致使世界各國(guó)面臨著日益嚴(yán)峻的交通問題。鑒于交通事故帶來的巨大損失，智能輔助駕駛系統(tǒng)和自動(dòng)駕駛汽車技術(shù)成為了當(dāng)今交通領(lǐng)域和汽車工業(yè)界的研究熱點(diǎn)。其中車道線的識(shí)別技術(shù)是非常重要的一個(gè)環(huán)節(jié)。為了滿足智能駕駛的實(shí)際需要，車道線識(shí)別算法必須保證具有很好的可靠性、實(shí)時(shí)性和魯棒性。
國(guó)內(nèi)外學(xué)者對(duì)基于機(jī)器視覺的車道線檢測(cè)算法已經(jīng)進(jìn)行了大量研究并取得了一定成果。在檢測(cè)算法中，主要可以分為2類:模型法和特征法?；谀Ｐ偷姆椒ㄖ饕峭ㄟ^提取的車道線特征點(diǎn)與車道線幾何模型進(jìn)行匹配提取車道線；基于特征的方法主要是通過車道線邊緣點(diǎn)的梯度、方向和灰度值等一些特征來檢測(cè)車道線?；谔卣鞯能嚨谰€檢測(cè)容易受到道路環(huán)境的干擾；基于模型的方法具有較好的魯棒性，但是運(yùn)算量大，實(shí)時(shí)性較差。
技術(shù)實(shí)現(xiàn)要素：
基于背景技術(shù)存在的技術(shù)問題，本發(fā)明提出了一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)。
本發(fā)明提出的高效的車道線檢測(cè)跟蹤方法，包括以下步驟：
s1、采集車輛環(huán)境圖像信息；
s2、根據(jù)車輛環(huán)境圖像信息確定消失線位置、感興趣區(qū)域、匹配的車道線寬度的最大值和最小值；
s3、根據(jù)消失線位置、匹配的車道線寬度的最大值和最小值在感興趣區(qū)域內(nèi)進(jìn)行邊緣檢測(cè)并搜索滿足車道線特征搜索條件的特征點(diǎn)；
s4、對(duì)滿足車道線特征搜索條件的特征點(diǎn)往消失線以及預(yù)設(shè)的兩條車道水平線上進(jìn)行投影，并在消失線上尋找消失點(diǎn)；
s5、根據(jù)消失點(diǎn)位置進(jìn)行反向搜索，提取車道邊界線的特征點(diǎn)，并根據(jù)車道邊界線的特征點(diǎn)確定車道線；
s6、根據(jù)車道線建立帶狀區(qū)域，并利用置信度約束車道線位置和寬度。
優(yōu)選地，步驟s2具體包括：
車道線寬度的范圍由更改比例系數(shù)k1、k2確定其幅度；
k1為車道線寬度的最小值，k2為車道線寬度的最大值，且k2與k1滿足正比例關(guān)系；
優(yōu)選地，步驟s3具體包括：
邊緣檢測(cè)通過周圍八個(gè)像素點(diǎn)的加權(quán)值代替中間點(diǎn)的像素值，提取車道線的輪廓，再搜索滿足車道線特征搜索條件的特征點(diǎn)；
滿足車道線特征搜索條件具體包括：
滿足上升沿和下降沿閾值范圍；其中，上升沿閾值為64，下降沿閾值為-64；
滿足車道線寬度范圍；
對(duì)消失線以下的車道線寬度進(jìn)行車道線寬度設(shè)定，車道線寬度比例系數(shù)分別為k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
優(yōu)選地，步驟s4具體包括：
若車道線的上升沿和下降沿具有相同的投影斜率，則投影角度相同，即
其中，投影斜率為邊緣檢測(cè)垂直方向梯度和水平方向梯度比值；
建立一維數(shù)組對(duì)車道線上每個(gè)點(diǎn)在消失線上的投影位置進(jìn)行統(tǒng)計(jì)，當(dāng)投影位置重合時(shí)，對(duì)該投影位置計(jì)票加一，如此循環(huán)，直至完成整個(gè)感興趣區(qū)域的遍歷，并將一維數(shù)組內(nèi)計(jì)票數(shù)最大的點(diǎn)作為消失點(diǎn)。
優(yōu)選地，步驟s5具體包括：
建立二維數(shù)組對(duì)投影線位置坐標(biāo)進(jìn)行存儲(chǔ)；
根據(jù)消失點(diǎn)的位置在二維數(shù)組中找到對(duì)應(yīng)的縱坐標(biāo)，并統(tǒng)計(jì)上述縱坐標(biāo)所在行計(jì)票的最大值和次大值，上述最大值和次大值即為左右車道邊界線的特征點(diǎn)，并根據(jù)上述左右車道邊界線的特征點(diǎn)確定車道線。
優(yōu)選地，步驟s6具體包括：
優(yōu)選地，基于車輛環(huán)境圖像信息相鄰幀間的道路位置變化連續(xù)的特性建立帶狀區(qū)域，并在搜索窗進(jìn)行車道識(shí)別；
利用前幀圖像檢測(cè)結(jié)果，在本幀圖像的預(yù)測(cè)位置定義一搜索窗；
將前幀圖像確定的車道線點(diǎn)的坐標(biāo)υi作為中心，在本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)搜索新特征點(diǎn)；
在上述本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)利用置信度約束車道線位置和寬度具體包括：
其中，nl為左車道線最大值點(diǎn)的數(shù)值，nr右車道線最大值點(diǎn)的數(shù)值，xa為右車道投影線的水平坐標(biāo)，xb左車道投影線的水平坐標(biāo)；
若dl＜ζ、dr<ζ，重新檢測(cè)下一幀圖像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用車道線邊界線的特征點(diǎn)確定車道線；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，進(jìn)一步分析dl與dr的大小，當(dāng)dl＜dr時(shí)，根據(jù)右側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出右車道線，并基于車道寬度w補(bǔ)充左側(cè)車道邊緣點(diǎn)；當(dāng)dl＞dr時(shí)，根據(jù)左側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出左車道線，并基于車道寬度w補(bǔ)充右側(cè)車道邊緣點(diǎn)；
其中，γ為置信度差值閾值且γ＝0.2，ζ＝0.6。
本發(fā)明提出的高效的車道線檢測(cè)跟蹤系統(tǒng)，包括：
圖像采集模塊，用于采集車輛環(huán)境圖像信息；
信息確定模塊，用于根據(jù)車輛環(huán)境圖像信息確定消失線位置、感興趣區(qū)域、匹配的車道線寬度的最大值和最小值；
特征點(diǎn)搜索模塊，用于根據(jù)消失線位置、匹配的車道線寬度的最大值和最小值在感興趣區(qū)域內(nèi)進(jìn)行邊緣檢測(cè)并搜索滿足車道線特征搜索條件的特征點(diǎn)；
消失點(diǎn)尋找模塊，用于對(duì)滿足車道線特征搜索條件的特征點(diǎn)往消失線以及預(yù)設(shè)的兩條車道水平線上進(jìn)行投影，并在消失線上尋找消失點(diǎn)；
車道線確定模塊，用于根據(jù)消失點(diǎn)位置進(jìn)行反向搜索，提取車道邊界線的特征點(diǎn)，并根據(jù)車道邊界線的特征點(diǎn)確定車道線；
車道線約束模塊，用于根據(jù)車道線建立帶狀區(qū)域，并利用置信度約束車道線位置和寬度。
優(yōu)選地，信息確定模塊具體用于：
車道線寬度的范圍由更改比例系數(shù)k1、k2確定其幅度；
k1為車道線寬度的最小值，k2為車道線寬度的最大值，且k2與k1滿足正比例關(guān)系；
優(yōu)選地，特征點(diǎn)搜索模塊具體用于：
邊緣檢測(cè)通過周圍八個(gè)像素點(diǎn)的加權(quán)值代替中間點(diǎn)的像素值，提取車道線的輪廓，再搜索滿足車道線特征搜索條件的特征點(diǎn)；
滿足車道線特征搜索條件具體包括：
滿足上升沿和下降沿閾值范圍；其中，上升沿閾值為64，下降沿閾值為-64；
滿足車道線寬度范圍；
對(duì)消失線以下的車道線寬度進(jìn)行車道線寬度設(shè)定，車道線寬度比例系數(shù)分別為k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
優(yōu)選地，消失點(diǎn)尋找模塊具體用于：
若車道線的上升沿和下降沿具有相同的投影斜率，則投影角度相同，即
其中，投影斜率為邊緣檢測(cè)垂直方向梯度和水平方向梯度比值；
建立一維數(shù)組對(duì)車道線上每個(gè)點(diǎn)在消失線上的投影位置進(jìn)行統(tǒng)計(jì)，當(dāng)投影位置重合時(shí)，對(duì)該投影位置計(jì)票加一，如此循環(huán)，直至完成整個(gè)感興趣區(qū)域的遍歷，并將一維數(shù)組內(nèi)計(jì)票數(shù)最大的點(diǎn)作為消失點(diǎn)。
優(yōu)選地，車道線確定模塊具體用于：
建立二維數(shù)組對(duì)投影線位置坐標(biāo)進(jìn)行存儲(chǔ)；
根據(jù)消失點(diǎn)的位置在二維數(shù)組中找到對(duì)應(yīng)的縱坐標(biāo)，并統(tǒng)計(jì)上述縱坐標(biāo)所在行計(jì)票的最大值和次大值，上述最大值和次大值即為左右車道邊界線的特征點(diǎn)，并根據(jù)上述左右車道邊界線的特征點(diǎn)確定車道線。
優(yōu)選地，車道線約束模塊具體用于：
優(yōu)選地，基于車輛環(huán)境圖像信息相鄰幀間的道路位置變化連續(xù)的特性建立帶狀區(qū)域，并在搜索窗進(jìn)行車道識(shí)別；
利用前幀圖像檢測(cè)結(jié)果，在本幀圖像的預(yù)測(cè)位置定義一搜索窗；
將前幀圖像確定的車道線點(diǎn)的坐標(biāo)υi作為中心，在本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)搜索新特征點(diǎn)；
在上述本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)利用置信度約束車道線位置和寬度具體包括：
其中，nl為左車道線最大值點(diǎn)的數(shù)值，nr右車道線最大值點(diǎn)的數(shù)值，xa為右車道投影線的水平坐標(biāo)，xb左車道投影線的水平坐標(biāo)；
若dl＜ζ、dr<ζ，重新檢測(cè)下一幀圖像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用車道線邊界線的特征點(diǎn)確定車道線；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，進(jìn)一步分析dl與dr的大小，當(dāng)dl＜dr時(shí)，根據(jù)右側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出右車道線，并基于車道寬度w補(bǔ)充左側(cè)車道邊緣點(diǎn)；當(dāng)dl＞dr時(shí)，根據(jù)左側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出左車道線，并基于車道寬度w補(bǔ)充右側(cè)車道邊緣點(diǎn)；
其中，γ為置信度差值閾值且γ＝0.2，ζ＝0.6。
本發(fā)明基于投票機(jī)制檢測(cè)消失點(diǎn)，并劃分目標(biāo)搜索區(qū)域，過濾圖像中不屬于車道線的多數(shù)干擾線和干擾點(diǎn)，減少車道線中央標(biāo)示符的干擾，可以快速篩選出車道邊緣點(diǎn)，提高檢測(cè)車道線的有效性和實(shí)時(shí)性；通過采集車道邊緣線上的兩點(diǎn)，能夠快速準(zhǔn)確地檢測(cè)出車道線，通過置信度的判斷以及車道寬度的信息，能夠識(shí)別出在模糊、陰影或車輛遮擋等情況下的車道線；并通過前幀的檢測(cè)結(jié)果建立動(dòng)態(tài)的感興趣區(qū)域，使得算法變得更加簡(jiǎn)單高效，實(shí)用性很強(qiáng)。
附圖說明
圖1為一種高效的車道線檢測(cè)跟蹤方法的步驟示意圖；
圖2為一種高效的車道線檢測(cè)跟蹤系統(tǒng)的結(jié)構(gòu)示意圖；
圖3為一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)的流程示意圖；
圖4為一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)中消失線與感興趣區(qū)域的位置示意圖；
圖5為一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)中消失點(diǎn)的位置示意圖；
圖6為一種高效的車道線檢測(cè)跟蹤方法及系統(tǒng)中帶狀區(qū)域的位置示意圖。
具體實(shí)施方式
參照?qǐng)D1，本發(fā)明提出的高效的車道線檢測(cè)跟蹤方法，其特征在于，包括以下步驟：
s1、采集車輛環(huán)境圖像信息；實(shí)際應(yīng)用過程中，利用攝像機(jī)采集車輛環(huán)境信息以獲取連續(xù)的視頻流，為分析車輛環(huán)境圖像信息提供準(zhǔn)確的參考依據(jù)；
s2、根據(jù)車輛環(huán)境圖像信息確定消失線位置、感興趣區(qū)域、匹配的車道線寬度的最大值和最小值；
步驟s2具體包括：讀取當(dāng)前幀，對(duì)車輛環(huán)境圖像進(jìn)行預(yù)處理，確定消失線位置以及感興趣區(qū)域，并確定匹配的車道線寬度的最大值和最小值；
車道線寬度的范圍由更改比例系數(shù)k1、k2確定其幅度；
k1為車道線寬度的最小值，k2為車道線寬度的最大值，且k2與k1滿足正比例關(guān)系；
s3、根據(jù)消失線位置、匹配的車道線寬度的最大值和最小值在感興趣區(qū)域內(nèi)進(jìn)行邊緣檢測(cè)并搜索滿足車道線特征搜索條件的特征點(diǎn)；
步驟s3具體包括：
邊緣檢測(cè)通過周圍八個(gè)像素點(diǎn)的加權(quán)值代替中間點(diǎn)的像素值，提取車道線的輪廓，再搜索滿足車道線特征搜索條件的特征點(diǎn)；
滿足車道線特征搜索條件具體包括：
滿足上升沿和下降沿閾值范圍；其中，上升沿閾值為64，下降沿閾值為-64；
滿足車道線寬度范圍；
對(duì)消失線以下的車道線寬度進(jìn)行車道線寬度設(shè)定，車道線寬度比例系數(shù)分別為k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
s4、對(duì)滿足車道線特征搜索條件的特征點(diǎn)往消失線以及預(yù)設(shè)的兩條車道水平線上進(jìn)行投影，并在消失線上尋找消失點(diǎn)；
步驟s4具體包括：
若車道線的上升沿和下降沿具有相同的投影斜率，則投影角度相同，即
其中，投影斜率為邊緣檢測(cè)垂直方向梯度和水平方向梯度比值；
建立一維數(shù)組對(duì)車道線上每個(gè)點(diǎn)在消失線上的投影位置進(jìn)行統(tǒng)計(jì)，當(dāng)投影位置重合時(shí)，對(duì)該投影位置計(jì)票加一，如此循環(huán)，直至完成整個(gè)感興趣區(qū)域的遍歷，并將一維數(shù)組內(nèi)計(jì)票數(shù)最大的點(diǎn)作為消失點(diǎn)。
s5、根據(jù)消失點(diǎn)位置進(jìn)行反向搜索，提取車道邊界線的特征點(diǎn)，并根據(jù)車道邊界線的特征點(diǎn)確定車道線；
步驟s5具體包括：
建立二維數(shù)組對(duì)投影線位置坐標(biāo)進(jìn)行存儲(chǔ)；
根據(jù)消失點(diǎn)的位置在二維數(shù)組中找到對(duì)應(yīng)的縱坐標(biāo)，并統(tǒng)計(jì)上述縱坐標(biāo)所在行計(jì)票的最大值和次大值，上述最大值和次大值即為左右車道邊界線的特征點(diǎn)，并根據(jù)上述左右車道邊界線的特征點(diǎn)確定車道線。
s6、根據(jù)車道線建立帶狀區(qū)域，并利用置信度約束車道線位置和寬度。
步驟s6具體包括：
優(yōu)選地，基于車輛環(huán)境圖像信息相鄰幀間的道路位置變化連續(xù)的特性建立帶狀區(qū)域，并在搜索窗進(jìn)行車道識(shí)別；
利用前幀圖像檢測(cè)結(jié)果，在本幀圖像的預(yù)測(cè)位置定義一搜索窗；
將前幀圖像確定的車道線點(diǎn)的坐標(biāo)υi作為中心，在本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)搜索新特征點(diǎn)；
在上述本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)利用置信度約束車道線位置和寬度具體包括：
其中，nl為左車道線最大值點(diǎn)的數(shù)值，nr右車道線最大值點(diǎn)的數(shù)值，xa為右車道投影線的水平坐標(biāo)，xb左車道投影線的水平坐標(biāo)；
若dl＜ζ、dr<ζ，表明車道線提取失敗，則為保障順利提取車道線，重新檢測(cè)下一幀圖像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用車道線邊界線的特征點(diǎn)確定車道線；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，進(jìn)一步分析dl與dr的大小，當(dāng)dl＜dr時(shí)，表明右側(cè)車道線的置信度更高，則根據(jù)右側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出右車道線，并基于車道寬度w補(bǔ)充左側(cè)車道邊緣點(diǎn)；當(dāng)dl＞dr時(shí)，表明左側(cè)車道線的置信度更高，此時(shí)根據(jù)左側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出左車道線，并基于車道寬度w補(bǔ)充右側(cè)車道邊緣點(diǎn)；
其中，γ為置信度差值閾值且γ＝0.2，ζ＝0.6。
參照?qǐng)D，圖為本發(fā)明提出的高效的車道線檢測(cè)跟蹤系統(tǒng)，包括：
圖像采集模塊，用于采集車輛環(huán)境圖像信息；
信息確定模塊，用于根據(jù)車輛環(huán)境圖像信息確定消失線位置、感興趣區(qū)域、匹配的車道線寬度的最大值和最小值；
信息確定模塊具體用于：
車道線寬度的范圍由更改比例系數(shù)k1、k2確定其幅度；
k1為車道線寬度的最小值，k2為車道線寬度的最大值，且k2與k1滿足正比例關(guān)系；
特征點(diǎn)搜索模塊，用于根據(jù)消失線位置、匹配的車道線寬度的最大值和最小值在感興趣區(qū)域內(nèi)進(jìn)行邊緣檢測(cè)并搜索滿足車道線特征搜索條件的特征點(diǎn)；
特征點(diǎn)搜索模塊具體用于：
邊緣檢測(cè)通過周圍八個(gè)像素點(diǎn)的加權(quán)值代替中間點(diǎn)的像素值，提取車道線的輪廓，再搜索滿足車道線特征搜索條件的特征點(diǎn)；
滿足車道線特征搜索條件具體包括：
滿足上升沿和下降沿閾值范圍；其中，上升沿閾值為64，下降沿閾值為-64；
滿足車道線寬度范圍；
對(duì)消失線以下的車道線寬度進(jìn)行車道線寬度設(shè)定，車道線寬度比例系數(shù)分別為k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
消失點(diǎn)尋找模塊，用于對(duì)滿足車道線特征搜索條件的特征點(diǎn)往消失線以及預(yù)設(shè)的兩條車道水平線上進(jìn)行投影，并在消失線上尋找消失點(diǎn)；
消失點(diǎn)尋找模塊具體用于：
若車道線的上升沿和下降沿具有相同的投影斜率，則投影角度相同，即
其中，投影斜率為邊緣檢測(cè)垂直方向梯度和水平方向梯度比值；
建立一維數(shù)組對(duì)車道線上每個(gè)點(diǎn)在消失線上的投影位置進(jìn)行統(tǒng)計(jì)，當(dāng)投影位置重合時(shí)，對(duì)該投影位置計(jì)票加一，如此循環(huán)，直至完成整個(gè)感興趣區(qū)域的遍歷，并將一維數(shù)組內(nèi)計(jì)票數(shù)最大的點(diǎn)作為消失點(diǎn)。
車道線確定模塊，用于根據(jù)消失點(diǎn)位置進(jìn)行反向搜索，提取車道邊界線的特征點(diǎn)，并根據(jù)車道邊界線的特征點(diǎn)確定車道線；
車道線確定模塊具體用于：
建立二維數(shù)組對(duì)投影線位置坐標(biāo)進(jìn)行存儲(chǔ)；
根據(jù)消失點(diǎn)的位置在二維數(shù)組中找到對(duì)應(yīng)的縱坐標(biāo)，并統(tǒng)計(jì)上述縱坐標(biāo)所在行計(jì)票的最大值和次大值，上述最大值和次大值即為左右車道邊界線的特征點(diǎn)，并根據(jù)上述左右車道邊界線的特征點(diǎn)確定車道線。
車道線約束模塊，用于根據(jù)車道線建立帶狀區(qū)域，并利用置信度約束車道線位置和寬度。
車道線約束模塊具體用于：
優(yōu)選地，基于車輛環(huán)境圖像信息相鄰幀間的道路位置變化連續(xù)的特性建立帶狀區(qū)域，并在搜索窗進(jìn)行車道識(shí)別；
利用前幀圖像檢測(cè)結(jié)果，在本幀圖像的預(yù)測(cè)位置定義一搜索窗；
將前幀圖像確定的車道線點(diǎn)的坐標(biāo)υi作為中心，在本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)搜索新特征點(diǎn)；
在上述本幀圖像相應(yīng)水平鄰域[υi-25,υi+25]內(nèi)利用置信度約束車道線位置和寬度具體包括：
其中，nl為左車道線最大值點(diǎn)的數(shù)值，nr右車道線最大值點(diǎn)的數(shù)值，xa為右車道投影線的水平坐標(biāo)，xb左車道投影線的水平坐標(biāo)；
若dl＜ζ、dr<ζ，表明車道線提取失敗，則為保障順利提取車道線，重新檢測(cè)下一幀圖像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用車道線邊界線的特征點(diǎn)確定車道線；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，進(jìn)一步分析dl與dr的大小，當(dāng)dl＜dr時(shí)，表明右側(cè)車道線的置信度更高，則根據(jù)右側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出右車道線，并基于車道寬度w補(bǔ)充左側(cè)車道邊緣點(diǎn)；當(dāng)dl＞dr時(shí)，表明左側(cè)車道線的置信度更高，此時(shí)根據(jù)左側(cè)兩點(diǎn)坐標(biāo)值檢測(cè)出左車道線，并基于車道寬度w補(bǔ)充右側(cè)車道邊緣點(diǎn)；
其中，γ為置信度差值閾值且γ＝0.2，ζ＝0.6。
基于投票機(jī)制檢測(cè)消失點(diǎn)，并劃分目標(biāo)搜索區(qū)域，過濾圖像中不屬于車道線的多數(shù)干擾線和干擾點(diǎn)，減少車道線中央標(biāo)示符的干擾，可以快速篩選出車道邊緣點(diǎn)，提高檢測(cè)車道線的有效性和實(shí)時(shí)性；通過采集車道邊緣線上的兩點(diǎn)，能夠快速準(zhǔn)確地檢測(cè)出車道線，通過置信度的判斷以及車道寬度的信息，能夠識(shí)別出在模糊、陰影或車輛遮擋等情況下的車道線；并通過前幀的檢測(cè)結(jié)果建立動(dòng)態(tài)的感興趣區(qū)域，使得算法變得更加簡(jiǎn)單高效，實(shí)用性很強(qiáng)。
以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。