摘要：随着国家经济与技术的快速发展，私家车数量越来越多，交通问题越发严重。交通事故的发生概率大大增加，智能交通技术的提高变得越发迫切。而车辆的自动驾驶技术可以有效地解决相关交通问题，规避很多的风险在车辆行驶中道线出现偏离的状况下可以为驾驶人员提供警报，提示驾驶员回归正常运行路线。

利用视觉算法的车道线检测是一种常用的车道线检测技术。与传统视觉算法提供的图像处理方案不同，本系统在传统方案中加入深度学习的方法，结合神经网络，省去了原方案中人工调整滤波算子的步骤。每条道路上的车道线在实例级别划分。得到各车道线区域的像素信息。最后用最小二乘法对车道线参数进行回归，并反馈车道线参数方程。这样比之其他车道线检测技术要有更好的鲁棒性以及准确度。改进方法为利用深度学习让系统自动调节滤波算子，使得系统的复杂程度也有所下降。系统中使用的是卷积神经网络模型来进行的车道线分割操作，此技术的加入将使得整个系统的结构更加清晰。

本文中使用的卷积神经网络车道线分割方法能够克服较多不同的环境特征。它能够比较好的适应变幻莫测的公路环境。车道线的检测效果较好，能够适应光照强度，车道线磨损以及天气情况等不同情况。

关键词：深度学习；神经网络；滤波算子

目  录

摘  要

ABSTRACT

第一章  绪  论-5

1.1.1论文的背景与意义-5

1.2本系统的发展-5

1.2.1主要方法-6

1.2.2研究进展-6

1.3本论文的主要内容-7

第二章 车道线偏移预警系统需求与总体设计-8

2.1 系统需求分析-8

2.2功能模块-8

2.3系统的非功能性需求-9

2.4系统的总体设计-9

2.5开发软件介绍-9

2.6卷积神经网络-10

2.7本章总结-10

第三章 车道线偏移预警系统的设计与实现-12

3.1 数据的采集标注以及筛选-12

3.2 车道图片预处理-12

3.3本章小结-23

第四章 车道线偏移预警系统的测试与性能分析-24

4.1系统的内存测试-24

4.1.1 CPU内存测试-24

4.1.2 CPU显存测试-24

4.2系统页面设计-25

4.3车道线检测与预警时间测试-26

4.4车道线检测质量测试-27

4.5本章总结-27

第五章  结论与展望-28

5.1 结论-28

5.2 展望-29

参考文献-30

致  谢-32