基金项目：国家自然科学基金项目（编号：51968065）；云南省高层次人才支持项目（编号：YNR-QNBJ-2018-066，YNQR-CYRC-2019-001）；云南省教育厅科研基金项目（编号：2022Y571）收稿日期：2022－08－17基于特征提取的车道线快速检测方法研究*徐嘉雯，何超，魏明洋，张慧蒙，罗鑫，刘学渊※（西南林业大学机械与交通学院，昆明650224）摘要：车道线检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对自动驾驶车辆当前道路可行驶区域检测精度不高、环境适应性差及实时性差的问题，提出了一种基于特征提取的快速检测车道线的方法。在图像预处理阶段，首先读取视频图像，把每一帧RGB图像转为灰度图，通过Canny算子对图像的边缘轮廓进行提取，然后绘制车道线的掩码区域，并与边缘检测结果图结合，对感兴趣区域（ROI），也就是对车道线所划分的汽车当前可行驶区域进行提取。最后进行概率霍夫变换和最小二乘拟合，并将得到的直线绘制到原图像中，最终对每一帧处理后的图像进行输出。该算法在多种边缘检测方法中选用Canny算法，并针对人为选取双阈值的复杂性问题，提出了自适应调节、选取阈值的方法；运用改进的概率霍夫变换对车道线进行检测，并进行离群值的过滤，有效提高了检测精度和速度。结果表明：该算法处理每一帧图像的时长为13.9ms，且平均准确率达到97.6%，具有较好的实时性和准确性。关键词：自动驾驶；车道线检测；特征提取；图像处理中图分类号：TP391.4文献标志码：A文章编号：1009－9492(2023)02－0118－05ResearchonFastLaneDetectionMethodBasedonFeatureExtractionXuJiawen，HeChao，WeiMingyang，ZhangHuimeng，LuoXin，LiuXueyuan※（CollegeofMechanicalEngineeringandTransportation,SouthwestForestryUniversity,Kunming650224,China）Abstract:Lanelinedetectionisthekeytechnologyofdriverlessvehiclesandlanedeparturewarningsystem.Afastlanelinedetectionmethodbasedonfeatureextractionwasproposedtosolvetheproblemsoflowaccuracy,poorenvironmentaladaptabilityandpoorreal-timedetectionofcurrentroaddrivableareaofautonomousvehicles.Intheimagepreprocessingstage,firstly,readeveryframeofthevideo,andeveryRGBimageneededtobeconvertedtograyscaleimage,theedgecontouroftheimagewasextractedbyCannyoperator,andthenthemaskareaofthelanelinewasdrawn,whichwascombinedwiththeedgedetectionresult.RegionofInt...
