摘要：车道线检测对于智能车辆是一项极为重要的技术，广泛地运用在车道偏离预警系统和无人驾驶系统，对无人驾驶车辆研制、保障驾驶安全性具有极为重要的意义。本文就基于霍夫变换的车道线检测做了如下研究，主要工作如下：

1、研究图像采集与预处理方法。通过车载的视频传感器，收集前方道路车道线视频；划分感兴趣区域，去除掉天空等与检测无关的区域，提高算法速度；取图，对图像进行灰度化，减小图像原始数据量，便于后续处理时计算量更少；高斯平滑，减少边缘干扰，减少图像噪声以及降低细节层次；利用canny算子，进行边缘检测，滤除噪声的同时增强边缘；最后集中到边缘检测的兴趣区域，进一步减少运算量。

2、对传统车道线检测算法进行研究，尤其是阴影环境对车道线检测的影响；分析了几种常用的去除阴影的算法；设计了一种基于Hough变换的车道线检测方法，并利用最小二乘法对车道线进行拟合。

3、最后介绍了设计的车道线检测系统、系统框架和算法流程。并用python语言编写了系统，最后展示了系统运行成果。

关键词： 车道线检测；图像处理；霍夫变换

目  录

摘  要

ABSTRACT

第一章 绪  论-5

1.1 课题背景与意义-5

1.1.1 研究背景-5

1.1.2研究意义-5

1.2 国内外研究现状-5

1.3 论文研究内容与创新点-7

第二章 图像预处理-8

2.1 图像采集-8

2.1.1基本概念-8

2.1.2常用图像传感器-8

2.2 图像预处理概括-9

2.3 感兴趣区域（ROI）划分-9

2.4 图像灰度化-10

2.4.1 灰度化的意义-10

2.4.2 灰度化的方法-10

2.5 图像去噪-11

2.5.1 常见的噪声-11

2.5.2 去噪的方法-12

2.6 canny边缘检测-13

2.7 本章小结-14

第三章 车道线检测-15

3.1 传统的车道线检测-15

3.1.1 阴影环境对车道线检测的干扰-15

3.1.2 常见的阴影去除方法-15

3.2 基于Hough变换的车道线检测-17

3.2.1 Hough算法原理-17

3.2.2 Hough算法优缺点-18

3.3 最小二乘法直线拟合-18

第四章 车道线检测系统-20

4.1 系统框架图-20

4.2 系统算法流程-21

4.4 车道线检测试验结果分析-22

4.4.1 车道线检测结果-22

4.5 本章小结-27

第五章 总结与展望-28

5.1 总结-28

5.2 展望-28

参考文献-29

致  谢-31