内容发布更新时间 : 2026/8/2 17:31:41星期一 下面是文章的全部内容请认真阅读。
一种基于霍夫变换的车道标线检测算法
唐阳山1 夏道华2 田鹏3 张贵洋4 夏道春5
（1.2.3.4. 辽宁工业大学汽车与交通学院，辽宁 锦州 121001
5. 山东科技职业学院，信息工程系，山东 潍坊261000）
摘要：针对目前霍夫变换检测车道标线存在的局限性，本文提出了一种新的基于霍夫变换的车道标线检测方法，该方法首先将道路图像分成左右两个图像，并采用矩形框在分块后的图像上滑移，矩形框的滑移步长为一个像素单位，通过计算矩形框覆盖区域内所有像素的均值大小确定车道标线的大致范围，然后在该范围内运用霍夫变换检测车道标线，再通过求取检测出的车道标线的左右两条直线的角平分线的方法，确定最终的车道标线位置。该方法能有效地解决车道标线检测中遇到的提取出多条标线的问题，并能提高车道标线检测的准确性和实时性，最后通过试验得到了理想的试验结果。
关键词：智能交通； 标线提取；霍夫变换；车道标线；参数变换 中图分类号：U469 文献标识码：A
A Lane Markings Detection Algorithm Based on the Hough Transform Tang Yangshan1, Xia Daohua2,Tian Peng3,Zhang Guiyang4, Xia Daochun5
（1.2.3.4.College of Automobile & Transportation,Liaoning University of Technology, Jinzhou 121001,China 5.Information Engineering Department,Shandong Vocational College of Science and Technology,Weifang 261000,China)
Abstract：Currently,because of the deficiency of the lane markings detection based on Hough transform , this paper presents a new method to detect lane markings based on the Hough Transform.This method first divide road image into blocks, and use a rectangular frame to scan Block Area by-pixel, and determine the approximate range of lane markings by calculating the mean value of the pixel which are in the rectangular frame, and then use Hough transform to detect lane markings within this range.This method can effectively solve the problem that when we extract lane markings we may obtain multiple markings, and improve accuracy and timelines of the lane markings detection. Finally, the test analyzes the feasibility and robustness of this method.
Key Words: Intelligent Transportation; marking extraction; Hough transform; lane markings; parameter transformation
1 引言
车道标线检测是一项研究智能驾驶技术的基础工作，也是研究车道偏离预警系统、自适应巡航系统和车道保持系统的关键的工作。目前研究车道标线的方法多采用霍夫变换，它因具有优异的鲁棒性和极佳的抗干扰能力, 以及对道路图像中的噪音不敏感和能够较好地处理车道标线局部磨损、遮盖和污染等特性，而成为进行直线检测的一个有效方法，但由于它
是一种穷尽式搜索, 其计算复杂度和空间复杂度都较高，因而在实时检测直线方面受到一定限制。
目前对于车道标线的研究，文献[1] 在分析标准霍夫变换，两点表决霍夫变换以及多级霍夫变换直线检测的基础上提出了一种分级的快速霍夫变换直线检测方法，克服了霍夫变换计算复杂的缺点, 提高了霍夫变换的计算速度，但检测精度较低时, 该算法的优势将不明
1
基金项目：辽宁省高等学校优秀人才支持计划（LJQ2012058）
作者简介:唐阳山（1971-），男，辽宁省鞍山市人，博士，教授，主要从事智能交通方向的研究。
显。文献[2] 提出了一种基于随机霍夫变换与最小二乘法进行直线检测的方法，该方法能用于背景噪声较强和直线存在一定弯曲的图像，检测精度较高，但当计算较为复杂，需要多次进行直线拟合。Gonzalo pajares提出利用梯度方向信息对RHT采样点对的选择和累积进行改进但对梯度方向分散、梯度信息利用价值不大的图像,该方法并不适用[3]
。针对上述问题，为了降低算法的空间复杂度和提高霍夫变换进行直线检测的实时性，本文提出了一种改进的车道标线检测方法。 2改进车道标线检测方法 2.1车道标线检测过程
针对传统霍夫变换的计算量大，容易提取出多条虚假的车道标线，造成车道标线模糊，影响车道标线的跟踪识别。本文在以前研究的基础上进一步提出了不同的车道标线的检测方法，具体过程步骤如下：
（1）对采集的道路视频图像，首先进行图像平滑处理，平滑处理的采用的模板为
?1…1?mod?1?(2n?1)2?……????1…1??(2n?1?)n(?21)，
（n?1,2,…）。
（2）将图像进行分割处理，分成左右两个图像，分别记为左半部分图像I1和右半部分图像I1，如图（3）所示。
y
0 I1I2x 图3 图像分割 （3）分别检测左右两部分图像的车道标线，首先检测左半部分图像I1的车道标线。
（4）在图像I1中，按照横向方向，找出车道标线起止点像素的坐标，分别记为A(X1,Y1)和B(X1,Y2),如图（3）所示，则两像素间的横向距离为d?Y1?Y2,即车道标线的横向宽度为d'?d??，?为车道标线宽度修正系数，当车道标线有缺损时，??0；当车道标线有凸起时，??0，黑色和灰色表示车道标线可能存在的区域，如图（4）所示。
图4 车道标线像素示意图
（5）确定一个矩形框Re，根据步骤
（4）中确定的车道标线横向宽度d'，确定一个大小为m?n的矩形框Re， m为矩形框Re的长度且m?d’，n为矩形框Re的高度。
2
（6）设左半部分图像I1的大小为
M?N,从图像I1的左下角开始，
用矩形框Re在图像I1最底部滑动，求出矩形框Re覆盖区域内所有像素的平均值M，矩形框Re每次向右移动一个像素单位，依次求出各个位置矩形框覆盖区域内的像素平均值，共得到N?m?1）个像素平均值，取出这些平均值中数值最大的平均值，记最大平均值MM1的位置为P1，确定位置P1之后，矩形框再向上移动一个像素单位，对第二行像素从右向左求取各个位置的平均值并确定最大平均值MM2所在位置P2，依次类推，求出每一行的最大平均值的位置，总共可求出（M?n?1）个位置，如图（5）所示，实线矩形框是开始滑动的第一个位置，点划线矩形框是第二个位置，虚线矩形框是第一行扫描结束时所在位置。
图5矩形框移动方向示意图
（7）如图（6）所示，确定
P1,P2,…P,M?n?位1置后，分别记录下位置Pi(i?1,2,…,M?n?1)左上角和右下角的
坐标(xziy,z和)i(xyi,yyi)，其中
(i?1…,,2,?M。然后利用最小二乘法?分别对(xzi,yzi)和(xyi,yyi)进行直线拟合，可得两条直线l1,l2，设直线l1＝a1?b1x，
l2＝a2?b2x，直线参数a1,b1的估计值为:
a?()(1?x2?zi?yzi)?(?xzi)(?xziyzi)(M?n?1)(?x2zi)?(?x2，
zi)b?n?1)(1?(M??xziyzi)?(?xzi)(?yzi)(M?n?1)(?x2zi)?(?xzi)2l??故1的方程为l1＝a1?b1x，同理可得参数
a2,b2的估计值，求得直线l2。因此，在直线l1,l2之间的区域即为车道标线所在的大致范
围，记该区域为W，如图（7）所示。
图6 矩形框的位置
3
（