技術(shù)特征：

1.一種基于塊匹配的車(chē)道線(xiàn)檢測(cè)方法，其特征在于，包括以下步驟：

(1)、采集原始視頻圖像

利用車(chē)輛前視攝像頭連續(xù)采集車(chē)輛前方的視頻圖像，再以幀為單位，將每一幀圖像處理成大小相等；

(2)、設(shè)置感興趣區(qū)域

選取每幀圖像中主要包含車(chē)道線(xiàn)的區(qū)域，并設(shè)置為車(chē)道檢測(cè)的感興趣區(qū)域，命名為ROI圖像；

(3)、圖像預(yù)處理

利用加權(quán)平均法將ROI圖像轉(zhuǎn)換為灰度圖像，再使用中值濾波對(duì)灰度圖像進(jìn)行圖像去噪，最后采用直方圖均衡化算法對(duì)去噪后的灰度圖像進(jìn)行對(duì)比度增強(qiáng)，得到標(biāo)準(zhǔn)灰度圖像；

(4)、邊緣檢測(cè)

使用Canny邊緣檢測(cè)算子對(duì)標(biāo)準(zhǔn)灰度圖像進(jìn)行邊緣檢測(cè)，得到邊緣檢測(cè)圖像；

(5)、霍夫變換Hough檢測(cè)直線(xiàn)

對(duì)邊緣檢測(cè)圖像進(jìn)行Hough變換，獲取邊緣檢測(cè)圖像中的直線(xiàn)，分別命名為L(zhǎng)_i，i表示第i直線(xiàn)；

對(duì)每一條檢測(cè)到的直線(xiàn)，獲取該直線(xiàn)兩端的端點(diǎn)坐標(biāo)(i1，j1)、(i2，j2)，再求得該直線(xiàn)的中點(diǎn)坐標(biāo)(0.5*(i1+i2)、0.5*(j1+j2))；

判斷該直線(xiàn)位于邊緣檢測(cè)圖像的區(qū)域：若(0.5*(i1+i2)小于等于邊緣檢測(cè)圖像的半寬，則該直線(xiàn)位于邊緣檢測(cè)圖像的左邊區(qū)域；若(0.5*(i1+i2)大于邊緣檢測(cè)圖像的半寬，則該直線(xiàn)在邊緣檢測(cè)圖像的右邊區(qū)域；

以邊緣檢測(cè)圖像的中心像素線(xiàn)為界，將邊緣檢測(cè)圖像左邊的直線(xiàn)集命名為L(zhǎng)eft-L，將邊緣檢測(cè)圖像的右邊的直線(xiàn)集命名為Right-L；

(6)、角度篩選

在Left-L直線(xiàn)集中，保留視角角度在45°～90°之間的直線(xiàn)；在Right-L直線(xiàn)集中，保留視角角度在90°～135°之間的直線(xiàn)；其他不符合此角度條件的直線(xiàn)全部刪除；

(7)、灰度塊匹配

(7.1)、在邊緣檢測(cè)圖像的中間選取一m*m灰度小方塊，小方塊中心位于邊緣檢測(cè)圖像的中心點(diǎn)，再檢測(cè)灰度小方塊中的m*m個(gè)像素點(diǎn)的灰度值g₁～g_m*m；

(7.2)、遍歷角度篩選后保留的所有直線(xiàn)上的像素點(diǎn)，以當(dāng)前檢測(cè)的直線(xiàn)上的像素點(diǎn)為中心，取m*m鄰域并依次獲取該鄰域的m*m個(gè)像素點(diǎn)的灰度值f₁～f_m*m，再通過(guò)下式求出一個(gè)灰度判斷值gray1：

$gray1=\sqrt{\left(\underset{k-1}{\overset{m*m}{\Σ}}{\left(f_k-g_k\right)}^2\right)/m*m}$

(7.3)、從邊緣檢測(cè)圖像的底端開(kāi)始，利用柵格掃描的方式對(duì)邊緣檢測(cè)圖像進(jìn)行逐行向上搜索，獲取掃描線(xiàn)與檢測(cè)到的直線(xiàn)的交點(diǎn)的灰度值gray，并與灰度判斷值gray1進(jìn)行比較，若該交點(diǎn)的灰度值gray>gray，則認(rèn)為該交點(diǎn)是車(chē)道線(xiàn)上的點(diǎn)，并將該點(diǎn)保存到點(diǎn)集Point，若該交點(diǎn)的灰度值gray≤gray1，則認(rèn)為該交點(diǎn)不是車(chē)道線(xiàn)上的點(diǎn)并將該點(diǎn)舍棄；直至處理到邊緣檢測(cè)圖像的上限邊界，完成整幅邊緣檢測(cè)圖像的遍歷，最后統(tǒng)計(jì)出每條直線(xiàn)上保留的像素點(diǎn)的個(gè)數(shù)Num-i；

(7.4)、遍歷Left-L直線(xiàn)集中的所有直線(xiàn)，比較每條直線(xiàn)上保存在點(diǎn)集Point中的車(chē)道線(xiàn)點(diǎn)的數(shù)量，將車(chē)道線(xiàn)點(diǎn)最多的一條直線(xiàn)保留，作為左邊的車(chē)道線(xiàn)L_Lane；

(7.5)、遍歷Right-L直線(xiàn)集中的所有直線(xiàn)，比較每條直線(xiàn)上保存在點(diǎn)集Point中的車(chē)道線(xiàn)點(diǎn)的數(shù)量，將車(chē)道線(xiàn)點(diǎn)最多的一條直線(xiàn)保留，作為右邊的車(chē)道線(xiàn)R_Lane；

(8)、檢測(cè)車(chē)道線(xiàn)

根據(jù)步驟(7)選出的車(chē)道線(xiàn)L_Lane或R_Lane，利用cvLine函數(shù)畫(huà)出在原始視頻圖像中。

2.根據(jù)權(quán)利要求1所述的一種基于塊匹配的車(chē)道線(xiàn)檢測(cè)方法，其特征在于，所述的RI圖像的具體尺寸為原始視頻圖像高度的二分之一。

3.根據(jù)權(quán)利要求1所述的一種基于塊匹配的車(chē)道線(xiàn)檢測(cè)方法，其特征在于，所述的步驟(3)中，圖像去噪的算法還包括均值濾波去噪、高斯去噪和雙邊濾波去噪等。

4.根據(jù)權(quán)利要求1所述的一種基于塊匹配的車(chē)道線(xiàn)檢測(cè)方法，其特征在于，所述的步驟(3)中，邊緣檢測(cè)算法還包括Roberts Cross算子、Prewitt算子、Sobel算子和LoG算子。

5.根據(jù)權(quán)利要求1所述的一種基于塊匹配的車(chē)道線(xiàn)檢測(cè)方法，其特征在于，所述的角度篩選的具體范圍在45°～135°之間。