基于视觉的车道线检测算法研究综述

刘宇，韩磊，王程庆，孙扬

基于视觉的车道线检测算法研究综述

刘宇，韩磊，王程庆，孙扬

（河北工程大学 机械与装备工程学院，河北 邯郸 056038）

在实现自动驾驶中，环境感知是其重要任务，而车道线检测算法研究在环境感知中占据着主要位置。传统的车道线检测算法主要依赖于提取特征，而特征会随着环境发生变化，因此易受到环境的影响。随着国内外深度学习的发展，研究者开始利用深度学习技术进行车道线检测算法研究，以尽可能减轻环境因素的影响。文章综述了近年来基于视觉的车道线检测算法研究的进展，主要是基于模型、基于特征的传统车道线检测算法，以及基于深度学习的新兴检测算法，对具有代表性的实现方法进行了详细分析。

车道线检测；计算机视觉；特征；模型；深度学习；图像分割

前言

在自动驾驶中，计算机视觉相较于激光雷达具有价格较低、鲁棒性较好的优势，并且视觉模态可以用于环境理解的所有相关阶段[1]。因此，本文将主要讨论基于视觉的车道线检测算法。而基于视觉的车道线检测算法，主要分为两类：一类是基于传统方法的检测算法，此类包括基于图像特征和基于模型这两种检测方法；另一类是基于深度学习的新兴车道线检测算法。传统的车道线检测算法一般采用三个步骤处理：首先预处理，消除噪声干扰或者进行逆透视变换，检测感兴趣区域（ROI），得到预处理图像，然后在经过预处理的图像上进行特征提取，最后进行车道模型拟合从而识别出车道线。……