在过去几十年中，国内外许多研究人员在车道线识别已经做出了很多积极有意义的探索和研究。国外一些智能车辆的驾驶辅助系统研究成果已经相对完善，部分已经投入到生产生活的应用中，相对而言国内的研究水平起步比较晚，但是发展非常迅速，相信在未来的一段时间内，国内的一些研究成果就能够快速赶上国际步伐，逐渐发展完善起自己的应用体系，并投入到实际应用中。车道线的检测能够对车辆的行驶起到约束、预警的作用，甚至对未来智能车辆的发展都有很大的促进作用，因此很多国家都致力于车道线的检测技术，其中美国，英国，意大利，日本都在这一领域有着很强的技术。79016

1国内研究现状

近年来，我国在车道线检测这一领域做了很多积极的探索和研究，但是与其他发达国家相比起步比较晚，技术上还有一定的差距，国内在该领域的研究和探索还存在一定的改进空间。国内的研究成果主要有以下几个：

我国的无人驾驶汽车也使用到了这一技术，国防科技大学早在20世纪80年代就对检测车道线开始了研究，无人驾驶汽车依赖这一技术才能得以实现。2011年，国防科技大学自主研发的红旗HQ3无人汽车历时3小时22分钟，实现了无人驾驶从京珠高速长沙杨梓站出发到达武汉，总距离高达286公里，取得了这一技术重大的突破。

清华大学计算机智能技术与系统国家重点实验室研制的THMR系统：这一项目采用的道路模型是直线，采用多窗口的双阈值二值化来进行特征提取，在接下的处理中使用增强转移网络，该算法具有较强的实时性，但由于道路模型的限制，只能对直线道路进行检测。论文网

吉林大学研制的JUTIV系统：该项目采用的道路模型3D回旋曲线，设定阈值提取道路边缘用的是最大类方差方法，拟合车道线曲线采用LmedSquare方法，同时结合的是驾驶员稳态预瞄，建立了车道线拟合的预测区域的范围，而且更加复杂的是进一步利用多传感器信息融合技术，对复杂环境下的车道线检测做出了更加深入而系统的研究。

2国外研究现状

国外一些关于车道线检测的研究成果已经比较成熟。目前，有些方法已经投入到了实际的商业化应用中。其中，具有代表性的系统主要有：意大利帕尔玛大学研发的GOLD系统、美国密歇根州立大学人工实验室开发的LOIS系统、美国卡内基梅隆大学研制的RALPH系统、美国卡内基梅隆大学机器人学院NavLab实验室和Vision&Autonomous System Center合作开发的SCARF系统和ALVINN系统。

意大利GOLD系统：该系统采用的是立体视觉技术，根据目前车道线的涂料颜色特征来定位车道线的位置，但是存在立体视觉技术面临图像匹配以及运行时间较长等很多问题，因此需要SIMD硬件结构辅助来满足实时性要求。

美国LOIS系统：该系统利用的是可变型的道路模板技术，通过模拟道路的弯曲度和智能车辆在行驶过程中与所处道路的位置问题，转换成解决多维参数空间的最优化问题，利用得到的最优解来解决车辆偏离车道线预警时出现的问题。

美国ALVINN系统：基于BP神经网络的原理，通过训练不同天气状况下的车道线，确定一个标准的参数训练模型，进而根据训练得到的标准模型来比对实时数据确定车道线的位置。