1.课题概述 基于ADAS的车道线检测算法,通过hough变换和边缘检测方法提取视频样板中的车道线，然后根据车道线的弯曲情况，判决是直形，右转或者左转等。并用高亮标注车道线和车辆前方路面。
2.系统仿真结果
3.核心程序与模型 版本：MATLAB2022a
Pt_line_dir1 = Pt_line_dir1 ./ Pt_line_dir1(3);
Pt_line_dir2 = cross(l3,l2);
Pt_line_dir2 = Pt_line_dir2 ./ Pt_line_dir2(3);
Pt_vdir1 = cross(Vle1, l2);
Pt_vdir1 = Pt_vdir1 ./ Pt_vdir1(3);
Pt_vratio = Pt_vdir1(1) / size(II0,2);
% 设定动作名称为'左弯'
if Pt_vratio> 0.47 &&Pt_vratio< 0.485
Actions = '左弯';
flag = 1;
elseif Pt_vratio>= 0.485 &&Pt_vratio<= 0.51% 设定动作名称为'直行'
Actions = '直行';
flag = 0;
else
Actions = '右弯';% 设定动作名称为'右弯'
flag = -1;
end
% 插入一个透明的车道屏幕
x = [p1(1) Pt_line_dir1(1) Pt_line_dir2(1) p1(2)];
y = [p2(1) Pt_line_dir1(2) Pt_line_dir2(2) p2(2)];
Tmask = poly2mask(x,y,size(II0,1), size(II0,2));
if flag==-1 % 如果标志位为-1，表示需要执行'右弯'动作
IIm0 = II0;
Rvedio(Tmask == 1) = 2*Rvedio(Tmask == 1);
IIm0(:,:,1) = Rvedio;
end
if flag== 0 % 如果标志位为0，表示需要执行'直行'动作
IIm0 = II0;
Gvedio(Tmask == 1) = 2*Gvedio(Tmask == 1);
IIm0(:,:,2) = Gvedio;
end
if flag== 1 % 如果标志位为1，表示需要执行'左弯'动作
IIm0 = II0;
Bvedio(Tmask == 1) = 2*Bvedio(Tmask == 1);
IIm0(:,:,3) = Bvedio;
end
figure(1)
imshow(IIm0), hold on
if flag==-1% 显示车道
plot(p1,p2,'LineWidth',4,'Color','green');
plot([Pt_line_dir1(1),Pt_line_dir2(1)],[Pt_line_dir1(2), Pt_line_dir2(2)],'LineWidth',4,'Color','green');
end
if flag== 0
plot(p1,p2,'LineWidth',4,'Color','red');
plot([Pt_line_dir1(1),Pt_line_dir2(1)],[Pt_line_dir1(2), Pt_line_dir2(2)],'LineWidth',4,'Color','red');
end
if flag== 1
plot(p1,p2,'LineWidth',4,'Color','yellow');
plot([Pt_line_dir1(1),Pt_line_dir2(1)],[Pt_line_dir1(2), Pt_line_dir2(2)],'LineWidth',4,'Color','yellow');
end
title(Actions,'FontSize',16)
frame=0;
else
frame=frame+1;
pause(0.001);
end
end
22
4.系统原理简介 车道线检测是先进驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）中的一项关键技术，它通过分析车辆前方摄像头的图像数据，实时检测并跟踪车道线，为驾驶员提供车道偏离预警、车道保持辅助等功能。车道线检测算法通常涉及图像处理、计算机视觉和机器学习等领域的知识。
4.1 图像预处理 车道线检测算法的第一步是对摄像头捕捉的图像进行预处理，以提高车道线的可见性和检测准确性。预处理步骤通常包括灰度化、滤波和边缘检测。
灰度化
将彩色图像转换为灰度图像可以简化计算，并减少光照变化对车道线检测的影响。灰度化可以通过以下公式实现：
Gray=0.299×Red+0.587×Green+0.114×Blue
滤波
滤波的目的是去除图像中的噪声，同时保留车道线的边缘信息。常用的滤波器有高斯滤波器、中值滤波器等。以高斯滤波器为例，其数学表达式为：
边缘检测
边缘检测算法用于提取图像中的车道线边缘。常用的边缘检测算法有Sobel、Canny等。以Canny边缘检测为例，其步骤包括高斯滤波、计算梯度幅值和方向、非极大值抑制和双阈值处理。
4.2 车道线特征提取 经过预处理后，图像中的车道线边缘已经得到了增强。接下来，需要提取车道线的特征，如直线、曲线等。
霍夫变换
霍夫变换是一种常用的直线检测方法。它通过将图像空间中的点映射到参数空间中，然后在参数空间中寻找峰值来检测直线。对于图像中的每个点(x,y)，可以表示为极坐标形式的一条直线：
对于弯曲的车道线，可以使用曲线拟合方法来提取车道线的形状。常用的曲线拟合方法有多项式拟合、贝塞尔曲线拟合等。以二次多项式拟合为例，车道线的形状可以表示为：
y=ax2+bx+c
其中，a、b、c 是拟合得到的参数，x 是横向坐标，y 是纵向坐标。
4.3 车道线跟踪 车道线跟踪是指在连续的视频帧中，根据前一帧的车道线检测结果，预测当前帧中车道线的位置。车道线跟踪可以提高车道线检测的稳定性和实时性。
