由于我国的高速公路里程排名已为世界第一，然而驾驶员的操作失误而造成的交通事故也是与日俱增。因此在美国、德国等国家，消费者们将驾驶汽车的安全性放在了购车的首位。为了能获得及时有效地检测出车道线的信息，并且能同时顺应路线的种种情况，那么我们往往会导致算法的时间增加，从而导致不能满足实际检测的需求；相反，若我们只要将它的实时性满足，那么我们需要进行简化检测算法，那么一般会失去检测的其他两种性能。最常用的快速车道线检测方法是标准霍夫变换算法,而它的复杂度往往比较高，并且开销也比较大。

本文便提出了一种新的车道线检测方法——基于概率霍夫变换的快速车道线检测方法，我们首先对道路上的车道线进行提取，再用数字图像处理的方法将道路车道线的边缘图检测出来，然后应用概率霍夫变换算法从图像预处理后所获得的边缘图中提取直线。对比可以发现该方法确实能快速有效地检测出车道线。由此可以证明该车道线的检测方法的及时与有效行。

2 常用车道线检测技术

就目前而言，我们基本都是使用道路车道线线的识别来检测车道线的，主要都是采取曲线或直线的道路模型，该种检测方法较为简便，并且能够适用车道线的布局特点。当我们在对采集的道路车道线图片进行预处理后，将车道线分割出以后，还需要拟合出车道线的直线方程，而现在最小二乘法和霍夫变换是比较常用的拟合方法。

运用最小二乘法来实现拟合我们就可以计算出拟合曲线，理论不断的完善,其基本理论与应用已经成为一个不容忽视的研究课题。可是该拟合方法对噪声十分的敏感，并且在对离散的点进行拟合时。[1]

霍夫直线变换：假设直线是由点M(x1,y1)和点N(x2,y2)而组成的，而所表示的直线即为通过点M的所有直线，其中q和k是在图像空间中的参数，因此我们可以知道通过参数空间中的直线可以表示图像空间中的点；同样的道理，当所表示的直线即为通过N点的直线。那么我们就可以看出就是直线方程的参数。

3 图像预处理

为了能够对道路车道线进行有效及实地检测，我们首先要从复杂的道路图像中把道路车道线的特点给提取出来。由于现实道路环境中存在很多干扰因素，针对这一问题，我们就需要先对图像进行预处理的工作。图像预处理的目的是为了减少图像中的无关信息，已达到恢复有用的真实信息，以此来最大限度地简化数据并能增强有关信息的检测性的可检测性。

3。1 图像的灰度化

现在大部分的彩色图像都是采用RGB颜色模式，处理图像的时候，实际上RGB并不能反映图像的形态特征要分别对RGB三种分量进行处理。[2]由于我们所使用的概率霍夫变换只需要用到图像的灰度信息部分，而灰度数字图像现在大部分的彩色图像都是采用RGB颜色模式是每个像素只有一个采样颜色的图像只是从光学的原理上进行颜色的调配，所以我们需要对图像进行灰度处理，原始图像为模型的彩色图像，最简单的计算灰度值的方法是直接求R、G、B分量的平均值。计算方法如下：

                                 (3-1)

其中为图像的像素点，红色分量为，绿色分量为，蓝色分量为 ，灰度值为 。[3]

3。2 自适应阀值分割方法

图像分割是把图像划分二值化是图像处理中最为常见的处理方式，对于阈值分割方法，它如何取得一个合适的阈值是其关键和难点。而在日常的运用中，噪声和光亮度会使阈值设定受影响。高速公路拥有格式化，它的车道线显示为比较明显的白色，和路面相比较，它的颜色差异比较大。