摘要：近年来的汽车产业迅猛发展，汽车的数量不断增多，同时交通事故也越来越多，所以交通安全问题也更加受到人们的重视，车道线识别与追踪作为保障行车安全的重要技术成为了研究的热点领域。然而，由于环境不断恶化，经常出现一些恶劣天气，最为显著的就是雾霾天气，传统的车道线识别与追踪算法主要针对于良好的环境，对于雾天的研究较少。所以，在雾天环境下采集的车道线图像由于其对比度较低且不容易检测识别的问题，因而对雾天车道线进行识别与追踪使用通过改进的暗通道先验去雾算法。主要内容包括：

阐明当前基于视觉的雾天车道线识别与跟踪方法研究的研究背景及意义；介绍这一方法当前的研究现状，分析仍然存在一些问题，介绍本课题的主要技术研究过程。

针对雾天环境下采用传统的车道线识别算法无法准确提取出车道线信息，本文使用一种改进的暗通道先验去雾算法，能够达到良好的去雾效果。其次利用最大类间方差法二值化处理，有效的提取出车道线信息。

对于车道线识别，不同情况的道路，使用不同的车道线识别算法。对直线道路模型，用改进的霍夫变换对其检测识别；对弯道道路模型，采用最小二乘法进行曲线拟合。

对于车道线追踪，采用卡尔曼滤波算法对车道线进行追踪，可以准确快速的追踪到车道线。

最后在matlab软件上平台上完成了实验，实验结果说明了本文的研究算法具有良好的实时性，整个系统在对雾天车道线图像有效的去雾之后，能够实现准确的车道线识别与追踪。

关键词：雾霾天气；车道线；暗通道先验算法；OTSU

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1论文的研究背景与意义-1

1.1.1研究背景-1

1.1.2研究意义-1

1.2车道偏离预警国内外研究现状-2

1.2.1国外研究现状-2

1.2.2国内研究现状-3

1.3本论文的主要研究内容-4

第二章 基于视觉的雾天车道线图像预处理-5

2.1汽车视觉系统-5

2.2雾天车道线图像灰度化-6

2.2.1 车道线图像灰度化方法-6

2.2.2 不同灰度化方法结果对比分析-6

2.3雾天车道线图像滤波去噪-7

2.3.1 图像滤波去噪方法-7

2.3.1 不同去噪方法结果对比分析-8

2.3本章小结-9

第三章 雾天车道线图像去雾处理-10

3.1暗通道先验去雾算法-10

3.1.1 改进的暗通道先验去雾算法-12

3.1.2 实验结果分析-13

3.2车道线图像二值化-15

3.2.1 图像二值化方法-15

3.2.2 不同二值化方法结果对比分析-16

3.3本章小结-17

第四章 车道线的识别-18

4.1道路模型-18

4.1.1 直道模型-18

4.1.2 弯道模型-18

4.2改进的霍夫变换直车道线识别-19

4.2.1 霍夫变换车道线识别原理-19

4.2.2 改进的霍夫变换车道线识别-20

4.2.3 实验结果分析-20

4.3弯道车道线识别-21

4.3.1 最小二乘法-21

4.3.2 实验结果分析-22

4.4本章小结-23

第五章 车道线的追踪-24

5.1卡尔曼滤波算法-24

5.2实验结果分析-26

5.3本章小结-27

第六章 总结与展望-28

6.1总结-28

6.2展望-28

参考文献-30

致  谢-30