基于HSV颜色阈值分割的车道线检测*

宋琴琴 杨国平

（上海工程技术大学机械与汽车工程学院 上海 201620）

1引言

在如今发生的各种事故中，意外的车道偏离［1］是导致人们生命危险的主要原因。由于驾驶员对周围车辆的疏忽及疲劳驾驶，可能会在一秒钟内发生致命的碰撞［2～4］。为了减少交通事故的数量并提高安全性，全球范围内对驾驶员辅助系统［5～7］（DAS）进行了多年的研究。驾驶员辅助系统是在驾驶时向驾驶员提供帮助的系统，这些系统通过从车辆周围的传感器获取输入来操作，以计算某种形式的反馈，然后用于辅助车辆的驾驶员。比如自适应巡航控制［8～10］（ACC），盲点监控［11～13］（BSM），车道偏离警告［14～15］（LDW）等都是驾驶员辅助系统的示例。车道线的检测也正是驾驶员辅助系统里的重要组成部分。准确的车道线检测有利于安全的道路交通，一旦驾驶员偏离车道，车道偏离警告可以给予驾驶员警报，保护驾驶员和路边行人、车辆的安全。本文对视频图像先进行预处理（高斯去噪，颜色空间转化），然后运用颜色阈值分割算法进行目标识别，最后使用霍夫变换对车道线进行实时检测和追踪。检测流程图如图1所示。

图1 车道线检测流程图

2 视频图像预处理

本文对车道线的检测是基于正常天气下，黄色车道线清晰的一段马路视频图像。

2.1 高斯滤波

几乎所有的汽车车载记录仪获取的原视频图像都会有噪音存在，为了减少噪音对后续图像处理的干扰，我们需要先对原图像使用高斯滤波去噪。高斯滤波又叫高斯平滑，它是一个二维的卷积算子，用于“模糊”图像并去除细节和噪声。……