为解决汽车驾驶安全问题,基于视觉的辅助驾驶系统成为选择,其中基于视觉的车道线检测技术对光照变化敏感。本文研究了基于显著图的对光照不敏感的车道线检测算法,论文主要工作包括:(1)提出对光照变化不敏感的车道线显著图生成方法。基于车道与车道线高对比度设定,计算每个像素与亮度低于该像素的其他像素之间的颜色距离之和作为显著值,生成高亮度优先的亮度对比度初级显著图。基于不同光照下磨损车道线像素呈现类高斯形状的先验分布,采用加入车道线宽度先验知识的一维高斯核逐行进行相关性计算生成中级显著图。由于初级显著图对道路背景像素有着很好的抑制作用,而中级显著图会放大噪声和展宽车道线,以初级显著图作为掩膜与中级显著图相乘,得到融合显著图。(2)提出凸壳边界信息辅助的车道线定位方法以及特征点生长模型。由于各车道线分布的离散性,利用显著图建立每条车道线的凸壳边界信息,生成最小外接矩形提取车道线候选区域缩小检测范围,并利用外接矩形的大小、长宽比以及中轴方向进行去噪。在光照不均匀时,获取的候选车道线区域并不完整,在最小外接矩形范围内提取车道线种子特征点,利用区域峰值和边缘结合特征生长车道线特征点。(3)采用偏离度约束条件下的自适应直线-抛物线拟合模型。提取的车道线特征点包含噪声,因此提出模型偏离度计算规则去噪,即利用点到曲线的距离约束来判断拟合点是否属于拟合曲线,并计算不属于拟合曲线的拟合点比率作为偏离度。为提升弯道拟合的契合度,设置偏离度阈值,采用回溯法与二分法自适应地找到直线部分与曲线部分的最佳分界点,再分别用直线模型和曲线模型拟合。在本文研究工作基础上,实现了基于显著图的光照鲁棒性车道线检测算法,准确率为92%,检测速度为每秒42.5帧。