《表1 视频车道线识别准确率（%）及运行时间（ms）对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于OpenCV的车道线检测改进算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将以上程序，进行参数设置以及调试，获得车道线检测结果图像，结果显示：除雾后的车道线图像中车道线可以被精确的识别出来，可以很好地应用自动驾驶的车道线检测模块中，实验效果如图6所示。从图中可以看出，当图像进行高斯模糊处理之后明显减了原图中噪点的影响，然后利用自适应canny边缘检测，其中利用最大类间方差法（OTSU）求取阈值，设定阈值之后，有效的过滤了非重要信息的边缘检测，减少了对车道线信息识别的干扰。划定感兴趣区域，减少了概率霍夫变换直线检测的时间，增加了识别效率和速度。从结果图像的效果显示，本文的方法可以以更高的精度和效率，检测出去雾图像中的车道线。弱了原图中噪点的影响，然后利用自适应canny边缘检测，其中利用最大类间方差法（OTSU）求取阈值，设定阈值之后，有效的过滤了非重要信息的边缘检测，减少了对车道线信息识别的干扰。划定感兴趣区域，减少了概率霍夫变换直线检测的时间，增加了识别效率和速度。从结果图像的效果显示，本文的方法可以以更高的精度和效率，检测出去雾图像中的车道线，检测精度和检测时间如表1所示。