《表3 不同算法的检测结果》

  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

《Haar特征耦合级联分类器的车道线检测算法》

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

另外，本文方案还与文献[7]、文献[10]中车道线进行实验比较，见表3。从表3中可以看出来，本文方法取得了优异的准确率，同时相对文献[10]方法，可以减少8.7%的漏检，漏检率仅为2.9%。原因在于基于Haar特征级联能够更好的对车道线表达，从而实现更准确的车道线分类。在处理速度上虽然不及文献[10]中的方法速度。这可能是硬件平台不同的问题。此外，实例测试结果如图7和图8所示。由图发现，本文的方案可适应于虚线、实线、直道和弯道等各种车道线模型，且在高光，可见度很低时，依然能有效检测，鲁棒性强。