基于MATLAB改进Otsu阈值分割的车道线检测

基于MATLAB改进Otsu阈值分割的车道线检测

摘要:在判断车道偏离以防止车辆碰撞等危害时，车道标线检测需要通过图像处理来进行，检测方法是否适用于各种背景环境条件以及检测的及时性至关重要传统的Otsu方法在处理对周围环境影响明显、车道线污点明显的情况时，识别效果较差。在Otsu阈值分割算法的基础上，将预分割图像按灰度分为两类，通过比较它们的中心距离来确定最佳阈值，从而实现多灰度峰值条件下的标记识别。最后，利用MATLAB对实际采集的道路图像进行预处理，分别采用Otsu阈值分割算法和改进算法进行车道线图像分割实验结果表明，最大类间方差阈值分割算法的阈值T=144，改进的最大类间方差阈值分割算法的阈值最终为131。阈值相对较小，更能反映待标记的白色标记部分。白色标记和背景的交叉点更清晰，这表明可以很好地识别该标记。另外，处理速度在0.453秒以内，满足实时性要求。

关键词:车道线识别；图像处理；阈值分割

1简介

随着计算机技术和机器视觉技术在汽车研发中的应用，智能汽车正逐步走进人们的生活，越来越多优秀的汽车安全系统不断发展。车道偏离预警系统越来越受到汽车研究者的重视，因为它可以帮助驾驶员安全驾驶，避免由驾驶员因素引起的交通事故[1]车道标线的识别是车道偏离预警系统的关键问题之一。车道标线的快速准确识别可以极大地促进车道偏离预警系统的推广应用。

车道标识识别技术是指安装在汽车上的摄像头采集道路图像，处理器通过分析道路图像获取道路标识的位置信息，从而判断车辆在车道线上的行驶位置，为车辆的安全行驶和自动驾驶提供车道标识信息完整道路标志识别技术的处理流程如图1所示。

道路图像采集图像预处理图像分割标记识别与拟合

图1道路标记识别流程图

通过道路标记识别流程图，不难发现图像分割是实现标记识别系统的重要步骤之一。图