[0033] ③计算连通区域31的主轴方向与图像平面坐标系中X轴正半轴的夹角0的两倍 正切值，计算公式如式（IV)所示：
[0034]
(IV)
[0035] 式（IV)中，连通区域中心矩ya,b(Si)定义如式（V)所示：
[0036]
(V)；
[0037] ④通过式（IV)得到两个tan(0(Si))正切值，将其分别作为两条直线的斜率，结 合连通区域Si的中心坐标（Xi，s，yi，s)分别构建出这两条直线，通过对比这两条直线与连通 区域Si的相交长度，相交长度较长的直线Lvl即车道线的主轴方向，采用同样的方法计算出 另一条车道线的主轴方向Lv2;
[0038] ⑤选取与图像平面坐标系X轴平行的两条直线LhdP，直线Lvl、Lv2分别与直线 1^相交于点Pa、Pb，直线Lvl、Lv2分别与直线L^相交于点P。、Pd，点Pa与点Pb的中点为Pab， 点P。与Pd的中点为P。<!，连接点Pab与点Pd，构成直线L。，则直线L。即完整的车道线的中心 线。
[0039] 本发明的有益效果为：
[0040] 1、本发明通过自适应阈值法对所选感兴趣区域进行二值化处理，能够有效避免光 照强度对检测车道线产生的影响。
[0041] 2、本发明为了增加算法的处理速度，在通过跳帧的处理方式来减小计算量的同 时，结合预测车道线在下一帧图像中的位置来避免重复确定感兴趣区域，进一步改进了算 法的实时性。
[0042] 3、本发明利用车道线区域的各阶几何矩来计算车道线的中心线，并由车道线的车 道线的中心线延伸方向来确定车道延伸方向，是一种既简单又可靠的检测方法，能够适应 对检测算法的实时性要求。对于路况良好的道路能够快速可靠地检测车道延伸方向。
[0043] 5、本发明硬件设施成本低廉，易于实现大规模推广。
【附图说明】
[0044] 图1为本发明车道跟踪检测法的流程图；
[0045] 图2为基于日间虚线直车道的检测效果示意图；
[0046] 图3为基于日间实线直车道的检测效果示意图；
[0047] 图4为基于日间实线弯车道的检测效果示意图；
[0048] 图5为基于日间虚线弯车道的检测效果示意图；
[0049] 图6为基于夜间车道的检测效果示意图。
【具体实施方式】
[0050] 下面结合说明书附图和具体实施例对本发明作进一步限定，但不限于此。
[0051] 实施例1
[0052] -种矩采样车道跟踪检测方法，通过安装在沿车辆中心线的车辆前方的相机获取 车辆前方道路影像，将前方道路影像分解成大量帧图像，《 = 〇,具体步骤包括： FPS
[0053] (1)选取感兴趣区域并进行初始化处理：w加N，~ = --1 ，其中，FPS为所述 m 相机拍摄的帧率，V表示车辆速度，Pm指车辆每行驶1米所需处理的图像帧数，在大量帧图 像中第W帧图像中，选取车辆前方且靠近车辆的一段矩形道路区域作为感兴趣区域P;
[0054] 在车辆行驶过程中，为了保证本发明提供方法的实时性，对于相机拍摄的影像，不 需要处理每一帧的图像，可以通过每处理一帧，忽略接下来的N帧图像，N的具体数值可以 根据车辆的行驶速度来动态改变；同时，由于选取的感兴趣区域较小，对于行驶的车辆，感 兴趣区域的位置可以看作基本不变，又因为相近的帧之间车道线在感兴趣区域中的位置的 变化量较小，只需要通过检测车道线在当前帧的位置即可预测下一帧中车道线的大概位 置，通过微调感兴趣区域在帧图像中的位置来实现对车道线的追踪，从而避免重复选取感 兴趣区域，在保证检测车道线可靠性的同时又加快了处理速度。
[0055] (2)利用自适应阈值法检测道路上的车道线：将步骤⑴得到的感兴趣区域P进 行灰度化处理，得到灰度图像，采用自适应阈值法计算分割阈值，利用分割阈值对灰度图像 进行二值化处理，得到二值化图像Ib，再对二值化图像Ib进行形态学上的闭操作，去除干扰 点，形成一个完整的矩形车道线段，得到二值图像Ib';
[0056] 得到二值化图像Ib后，由于实际道路中车道线存在磨损，利用分割阈值对灰度图 像进行二值化处理后，车道线中必然存在干扰点，为了去除干扰点，选取一个合适大小的矩 形窗，对二值化图像Ib进行形态学的闭操作处理，去除干扰点，使之形成一个连通的整体， 得到二值图像1/。
[0057] (3)通过图像分割提取车道线：对二值图像Ib'中的白色区域进行图像分割处理， 将连通的白色区域标成同一标号，同一标号的像素点视作为一个超像素点，完成对白色连 通区域的分割，设定规则去除白色干扰区域，如果感兴趣区域P中不存在完整的车道线，则 进入步骤（1);否则，感兴趣区域P中存在完整的车道线，获取完整的车道线；
[0058] (4)判断车辆是否正在偏离行驶的车道：计算出步骤（3)得到完整的车道线的中 心线延伸方向，即车道延伸方向，图像平面坐标系的Y轴方向即车辆行驶方向，求取车道延 伸方向与车辆行驶方向之间的夹角0，如果0多10°，则车辆正在偏离行驶的车道，通过 车载辅助驾驶系统对车辆驾驶员发出警告，否则，进入步骤（1);其中，所述图像平面坐标 系是指：以第w帧图像的左下角为原点、以第w帧图像下边缘为X轴、以第w帧图像左边缘 为Y轴建立的坐标系。
[0059] 实施例2
[0060] 根据实施例1所述车道跟踪检测方法，其区别在于，步骤（2)中，采用自适应阈值 法计算分割阈值，利用分割阈值对灰度图像进行二值化处理，得到二值化图像Ib，具体步骤 包括：
[0061] a、对步骤（1)所述灰度图像中的256种像素值进行统计，得到每一种像素值的像 素点个数，形成横坐标为像素值、纵坐标为像素值对应的像素点个数的统计直方图；
[0062] b、以像素值为横坐标、像素值对应的像素点个数为纵坐标，得到拟合曲线L，取拟 合曲线L上的两个极大值MaxJPMax2，并取拟合曲线L上两个极大值MaxJPMax2之间的 最小值Min，最小值Min对应的横坐标值取整后即为分割阈值T，利用分割阈值T对步骤（2) 所述灰度图像进行二值化处理，得到二值化图像Ib。
[0063] 由于路面上的车道线一般为黄色或白色，而路面本身接近于灰黑色，白色或黄色 车道线对应的灰度值较大，灰黑色路面对应的灰度值较小，而车道线占感兴趣区域P的面 积较小，大部分为路面，因此，统计直方图中会得到两个极大值。
[0064] 实施例3
[0065] 根据实施例1或2所述车道跟踪检测方法，其区别在于，步骤（3)中，通过图像分 割提取车道线，具体步骤包括：
[0066] c、遍历步骤（2)得到的二值图像Ib'，对二值图像Ib'进行标号处理，S卩：将二值 图像Ib'中相邻的白色像素点标注成同一个标号i，1彡i彡n且i为正整数，得到n个连 通区域，即以......Si......Sn}；
[0067] d、对步骤c标号为l-n的数目分别进行统计，计算出连通区域 {Si......Si......sn}的面积分别为{Ai......Ai......An}，设定面积阈值Ts，面积阈值Ts 为{A:......Aj......AJ中的第二大值，将{Ai......Aj......AJ任一值分别与面积阈值八 进行比较，如果Ts，连通区域Si不属于车道线，去除连通区域Si;否则，保留；最终得到 剩余连通区域，即车道线，此时的二值图像为Ib" ；
[0068] e、取步骤d最终得到的剩余连通区域在图像平面坐标系上横坐标的最大值 纵坐标的最大值、横坐标的最小值、纵坐标的最小值，计算车道线的横轴长 度W= ，计算车道线的纵轴长度H= ，如果W大于H，则感兴趣区域P 中不存在完整的车道线，则进入步骤（1);否则，感兴趣区域P中存在完整的车道线，获取完 整的车道线。
[0069] 实施例4
[0070] 根据实施例3所述车道跟踪检测方法，其区别在于，步骤（4)中，计算出步骤（3) 得到完整的车道线的中心线延伸方向，即车道延伸方向，具体步骤包括