2026《车道线检测研究现状的文献综述》1400字.docxVIP

车道线检测研究现状的文献综述

早期的智能交通系统主要是通过道路铺设电缆或磁诱导设备实现车道的规划，该方法需要在原先的道路基础设施上进行修改，铺设，成本较高不适合实际的应用。与结构紧凑且具有一定形状的车辆目标不同，车道在空间中通过左右两条平行的标志线完成规划并向远处延伸。因此，车道线的识别一般遵循提取-拟合的算法架构。按照传感器的不同目前主要的车道识别技术主要是基于机器视觉和激光雷达来实现。其中，基于机器简单视觉的轨迹检测算法历史悠久，应用广泛。21世纪初，基于视觉传感器REF_Re\r\h[7]与其他传感器融合的路径检测算法开始出现。近年来，随着材料的发展和理论的成熟，基于深度学习的路径检测技术出现并取得了良好的效果。

基于视觉的道路检测算法大致有两类：基于特征的道路检测算法和基于模型的道路检测算法。基于特征的道路检测算法主要利用车载视频获取到的道路图像的特征，如边缘，颜色，纹理方向等，采用阈值分割等技术提取车道线、标记车道的位置。

图1-1基于特征的车道检测一般流程

因为一般的基于边缘检测算法有一个明显的缺点就是容易受到强噪声的干扰，2013年，吉林大学的王荣本教授等人采用Log边缘增强算子获得梯度图像，并利用基于灰度的特征点获取方法——susan算子REF_Re\r\h[2]来提取车道线的边缘信息，经过Houg