在单目视觉的前提下,针对复杂多变的道路环境中车道线识别算法易受干扰的现状,设计了一种新的道路图像处理方法。首先静态划分道路图像的感兴趣区域,在感兴趣区域内进行图像处理和车道线检测,将图像灰度化,采用中值滤波去除噪声;接着在基于最大类间方差法的基础上,运用Canny算子进行图像边缘检测;最后使用改进的Hough变换对车道线进行识别及拟合。通过自主搭建的实验平台对研究算法进行实验检测,实验结果表明,该方法在道路环境复杂的情况下仍能准确地识别车道线,具有较强的鲁棒性。

车道线检测时容易受到路面环境的干扰、检测准确度与实时性不易保证。为此,提出了基于稀疏网格和动态特征窗口（DFW）的车道线检测方法。首先在道路区域建立了稀疏网格区域,然后提取了网格上的车道线灰度信息,大幅度排除了冗余像素。利用车道线的方向特性,提出了对称性六向梯度边缘检测方法,进而采用椭圆膨胀元素建立了车道线DFW。利用车道线方向和长度的显著特征,提取了车道线特征边缘并对其进行了Hough直线拟合。在多样性的道路环境中进行了算法测试,讨论了不同分辨率图像的车道线检测耗时。试验表明：提出的算法简单、快速,可以有效排除各类路面干扰像素,能够鲁棒、准识别多种路面环境中的车道线。