第三章 基于消失点的车道线检测算法。先总结一下现阶段车道线检测的主要方法作为当前道路结构一般性假设和车道线检测工程的理论依据 。再通过霍夫变换检测直线，之后提出权值聚类法检测消失点，最后用消失点约束提取车道线。

第四章 车道线检测系统的仿真测试。首先介绍了该系统仿真测试的软件环境和算法结构，给出部分仿真结果，再通过对结果的分析，总结失败的原因。

2 道路图像预处理 

2。1道路图像灰度化算法分析

由于车道线检测系统中主要需要灰度图像，因此可以将摄像机采集到的彩色图片灰度化，来减少计算量，提高处理图像的速度，所以说图像灰度化是图像预处理中不可或缺的一部分。

由于人眼的视觉机理，所有的色彩都可以看做是几个基色按不同比例调和而成的。目前比较典型的基色模型有RGB、CMY、CMYK和HIS等，其中的RGB模型在数字图像处理中的应用最为广泛。若在笛卡尔坐标系中让3个坐标轴分别表示R、G、B的值，就可以建立起一个RGB彩色空间模型 。

对于RGB中的任一点P（R,G,B），可计算该点到原点的向量在空间对角线上的投影进而得到该点颜色所对应的灰度值。灰度值表达式（2。1）为：

                                               （2。1）

其中，X表示该点颜色所对应的灰度值。经过矢量运算，上式可简化为（2。2）：

                                                （2。2）

再由上式可知X值取值范围是[0，255 ]。为了便于计算机储存灰度值同样也用一个字节来表示，因此可以通过线性变换将X的灰度值范围转换到[0，255]范围内，可得式（2。3）       

                                                            （2。3）

以上求得灰度值的方法只简单的对R,G,B这3个分量同等看待，而没有考虑三种基色所具有的不同视觉效果。当考虑各基色不同视觉效果，调整R,G,B各分量在灰度化时对灰度值的贡献，就可以得到不同的灰度化图像。假设它们对灰度值的贡献分别为 ，这样可以得到下式:文献综述

                                                  (2。4)

其中系数 均为非负值且满足 。很容易看出式(2。3)其实是 的一个特例。理论研究表明人眼视觉细胞对不同颜的色敏感度不同，结果显示对绿色最敏感，对红色次之，而对蓝色最不敏感，由此当 时得到的灰度值适合人眼视觉，其灰度化公式为:

                                    (2。5)

由于图像R分量会使整个图像偏亮，导致车道线不清晰。B分量引入了太多的噪声使图像不利于后续处理，只有单独使用G分量时得到的灰度化图像车道线和路面对比度较好。因此，对彩色道路图像进行灰度化时灰度化系数 ，分别取0，l，0时最有利于后续算法的处理，即忽略掉红色和蓝色分量对灰度值的影响，只考虑绿色分量对灰度值的作用。灰度化公式为： 结构化道路中车道线的单目视觉检测方法(3):http://www.youerw.com/wuli/lunwen_85226.html