在完成車道線檢測後，接下來要做的就是車道線的跟蹤，這也是智慧型汽車輔助駕駛的關鍵技術。
在此領域的研究中，產生了多種車道線演算法，如aurora的自適應的模板相關法，該方法只能在路面狀況緩慢變化時工作良好；lois的變形模板法，能處理影象中車道邊緣比較弱的情況，而且還能排除路面陰影、汙水等的影響；ralph 系統從前方道路中提取梯形區域，對此區域進行二次取樣並將其變換到平面道路圖中；mob-rab系統假設道路是平坦的，通過把透檢視變換為平面圖得到車道線；scarf系統利用顏色視覺及單線和雙線的語義；waxman 等人採用兩步影象處理的方法提高道路識別跟蹤速度；redmill 運用匹配濾波和kalman濾波檢測道路，其中kalman 濾波被用來保持平滑，並**下一幀影象中的車道線引數。
本文研究在小波影象邊緣檢測得到車道線後，利用hough變換對雜訊不敏感並能較好地處理直線的優點，採用hough
變換的方法在影象序列的各幀中提取車道線的引數，然後利用kalman 濾波來一幀幀地依次跟蹤這些引數。這樣，就將車道線的跟蹤轉化成車道線引數的跟蹤，不僅提高了跟蹤的速度，而且將kalman跟蹤的方法引入，提高了跟蹤的準確度。
1 基於hough變換的車道線引數提取
hough變換具體步驟如下：
（1）在ρ和θ 合適的最小值、最大值之間建立乙個離散的引數空間，以及乙個累加器a(ρθ) ，並把每個元素置0。
（2）利用先驗知識，限定引數的ρ和θ 的取值範圍，對二值影象上滿足條件的畫素點做hough 變換，即算出該點在每個ρ - θ 網格上的對應曲線，並在相應的累加器上加1，即：
a(ρθ) = a(ρθ) + 1
（3）找出對應影象平面共線點的累加器上的最大值，這個值提供了影象平面上共線點所在直線的引數。由此演算法可知，可以把在x-y 平面上尋找共線的點（即尋找直線）的問題轉化成在引數空間（即hough 變換的空間）中尋找峰值的問題。為此，編寫函式houghtrans 來實現直線型車道線引數的提取，得到hough 變換域的直線引數rodetect 和tetadetect，即ρ 和θ 的值。
2基於kalman的車道線引數跟蹤
由上節的hough變換得到基於直線模型的車道線的引數 ρ和θ後， 就可以用kalman濾波對其進行跟蹤了。
kalman跟蹤的演算法描述如下：
（1）編寫函式initialk（）：其主要功能是由序列影象中的前5幅求取待跟蹤引數的維數的平均值mr，以此作為與其他幀的引數維數相比較的基礎。
（2）設定hough變換相關的引數。
（3）設定kalman跟蹤的相關引數。
（4）依次載入序列幀，此處的為240×320的rgb序列影象。
（5）對載入的影象進行小波邊緣檢測，得到二值化的邊緣影象。
（6）對得到的邊緣影象進行hough變換的直線引數提取，得到ρ-θ變換域的直線引數ρ和θ。
（7）矩陣維數匹配判斷：由於每個序列幀車道線的不同，所檢測的直線引數ρ和θ的維數也不同，為利用kalman進行跟蹤，引數的維數必須統一。為此，需利用矩陣維數匹配判斷，當前幀的引數維數xr大於平均值mr時，捨棄後邊的xr－mr維；當當前幀引數的維數xr小於平均值mr時，後邊的mr－xr維補0。這樣，任何一幀的待跟蹤引數的維數都是mr，這樣就可以利用kalman來實現跟蹤了。
（8）kalman跟蹤計算：kalman跟蹤的核心是它的5個公式，實現此功能。引數初值和協方差p的初值設為單位陣，本狀態的**值是上一狀態的跟蹤結果，本狀態的真實值是當前讀入的序列幀，由此可得到本狀態的跟蹤值（即最優估計結果）。此值又作為下一狀態的**值，實現車道引數的迴圈估計，即跟蹤。
車道檢測與跟蹤
from 車道檢測與跟蹤 車道檢測的目標 1.車道形狀，包括寬度 曲率等幾何引數 2.車輛在車道中的位置，包括橫向偏移量，車輛與道路的夾角 偏航角 車道檢測與跟蹤一般分為以下幾個部分 1.車輛 道路 相機模型 2.道路特徵提取 3.道路引數計算，如曲率，4.車道跟蹤 車輛 道路 相機模型 在現代道路...
車道線檢測之3D車道線檢測
可參考文獻 有相機座標系ccamera和道路座標系croad，作者假定兩個座標系的roll和yaw一致，僅存pitch的差異，那麼，兩座標係之間的轉換關係tc2r將由h cam和camera pitch確定，其中，h cam和camera pitch由模型 輸入為相機採集的影象，輸出分為2部分，第一...
matlab車道線檢測 車道線檢測簡易版
第一次接觸式車道線檢測時嘗試的實現，整理上傳下 1 提取原圖邊緣，可以看出車輛前方的車道線在整個影象下方的梯形區域，提取這個roi 2 在roi區域進行輪廓查詢，按照輪廓周長和面積過濾掉干擾項，最後應該剩下兩條分布在影象中線左右兩側的兩條車道線 3 對左右兩條車道線點集做直線擬合，最後得出兩條車道線...