论文部分内容阅读
针对传统车道线识别算法的计算量大,实时性差,误识别率高的问题,提出了一种基于改进的霍夫变换车道线检测方法。通过对车道线图像进行灰度化处理,减小识别过程中需要处理的数据量;设置感兴趣区域以排除非重点区域的影响,并利用OTSU阈值和Canny算子提取出图像中的边缘信息。对于图像中的直线型车道,使用传统霍夫变换进行识别;对于图像中的弯曲车道,使用改进霍夫变换进行识别。实验结果表明,利用该方法对弯道型车道线的平均识别时间为50ms,利用传统的霍夫变换方法的平均识别时间为135ms,因此,该方法在识别速度上有了很大的提高,能够满足实时性的要求;对于不同的路况以及不同光照条件下车道线的识别,该算法的识别准确率均能达到80%以上,因此该算法具有较好的准确性和鲁棒性。