基于限定区域和Hough变换的车道线的检测方法

doi:10.3969/j.issn.1006-2475.2011.04.012

计算机与现代化 ›› 2011, Vol. 1 ›› Issue (4): 37-41.doi: 10.3969/j.issn.1006-2475.2011.04.012

基于限定区域和Hough变换的车道线的检测方法

范楷，莫建文，张彤，袁华

桂林电子科技大学信息与通信学院,广西桂林 541004

收稿日期:2011-02-14 修回日期:1900-01-01 出版日期:2011-04-27 发布日期:2011-04-27

Lane Detection Approach Based on Limited Region and Hough Transform

FAN Kai, MO Jian-wen, ZHANG Tong, YUAN Hua

School of Information and Communication, Guilin University of Electronic Technology, Guilin 541004, China

Received:2011-02-14 Revised:1900-01-01 Online:2011-04-27 Published:2011-04-27

摘要/Abstract

摘要： 车道线检测和预警是智能车辆视觉导航系统中的重要组成。为提高检测的实时性, 提出一种基于限定区域Hough 变换的车道线检测方法。首先利用车道线角度和范围的约束对车道线进行的限定区域划定，然后在区域内检测到符合条件的车线时再进一步建立动态ROI区域，使区域最小化，减少图像空间中被投票的目标点数，缩小Hough 变换的投票空间。针对不同的光照情况，根据图像的平均灰度值来设计自适应预处理步骤，提高了算法抗干扰性。实验结果表明, 在结构化的高速公路上, 算法具有较好的实时性和抗干扰性。

关键词: 车道线检测, 限定区域, Hough变换, 感兴趣区域

Abstract: Lane detection and warning is an important ingredient of intelligent vehicle vision navigation system. In order to enhance the realtime of lane detection, a method based on Hough Transform (HT ) of limited region is proposed. Firstly， deviding limited region by angle and range constraints of lane， and then, if there is eligible lane in the region, dynamic region of interest (ROI) is established, as a result region of HT is minimized and the total edge points is further reduced. With the different illumination situation, adopting corresponding selfadaptive measure in image preprocessing according to average gray, a result the noise immunity of algorithm is improved. The experiment results show that the approach has good realtime and noise immunity for the structured highway.

Key words: lane detection, limited region, Hought Transform, region of interest

中图分类号:

TP391.41

范楷;莫建文;张彤;袁华. 基于限定区域和Hough变换的车道线的检测方法[J]. 计算机与现代化, 2011, 1(4): 37-41.

FAN Kai;MO Jian-wen;ZHANG Tong;YUAN Hua. Lane Detection Approach Based on Limited Region and Hough Transform[J]. Computer and Modernization, 2011, 1(4): 37-41.

[1]	杨贞, 单孟姣, 殷志坚, 杨凡, 李翠梅. 细粒度图像分类的通道自适应判别性学习方法[J]. 计算机与现代化, 2022, 0(10): 68-74.
[2]	吴彪, 周庆华, 曾小为. 基于Mask-RCNN的纸质医药包装钢印字符识别[J]. 计算机与现代化, 2022, 0(02): 108-113.
[3]	林钦壮1，钟映春1，罗唯师2. 面神经序列图像感兴趣区域识别[J]. 计算机与现代化, 2017, 0(11): 51-54.
[4]	刘娣，周武能，张详位. 一种基于Hough变换和图像融合的快速破损检测[J]. 计算机与现代化, 2014, 0(9): 72-76.
[5]	赵兴旺,李天阳,汪亮,周璟. 基于数码设备的二代身份证号码识别系统[J]. 计算机与现代化, 2014, 0(6): 132-136.
[6]	杨益，何颖. 基于RGB空间的车道线检测与辨识方法[J]. 计算机与现代化, 2014, 0(2): 86-90.
[7]	王寅龙;李前进;李志祥;王希武;高秀峰. 基于改进Hough变换的城市道路网络提取算法[J]. 计算机与现代化, 2013, 1(3): 63-66.
[8]	陈玲1,3,4，李熙莹2,3,4,卢林2,3,4 . 车牌倾斜校正算法研究及改进[J]. 计算机与现代化, 2013, 12(12): 91-97.
[9]	赵新峰;王恒. 一种基于感兴趣区域元数据的视频转码方案[J]. 计算机与现代化, 2012, 1(9): 115-117,.
[10]	刘鲲姜志平方海涛. 激光光斑有效区域检测技术 [J]. 计算机与现代化, 2011, 194(10): 70-73.

基于限定区域和Hough变换的车道线的检测方法

Lane Detection Approach Based on Limited Region and Hough Transform

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价