【正文】 }。 distance = fabs(sqrt(( ) * ( ) + ( ) * ( )))。 return 0。 if (points_distance(*last_join1,CENTER) = MAXDISTANCE) return 1。cp1_2,join_center1_2,amp。 Line join_center1_4 = get_line_func(*join1_4,cp1_4)。 tangent4) join1_4 = get_join(p1,*tangent1,p4,*tangent4)。 if (tangent1 amp。//在一定范圍內(nèi)得到一個隨機(jī)的點(diǎn) Line *tangent4 = get_tangent(contours,ran_pos)。 int ran_pos = contourstotal rand() % 30。 = (int)(80 * tangent3a + p3y)。 CvPoint p_temp。 = (int)(80 * tangent2a + p2y)。 CvPoint p_temp。 = (int)(80 * tangent1a + p1y)。 CvPoint p_temp。amp。amp。amp。amp。 last_join3) CENTER = cvPoint((last_join1x+last_join2x+last_join3x) / 3,(last_join1y+last_join2y+last_join3y) / 3)。 last_join2 amp。 if (last_join1 amp。cp2_3,join_center2_3)。 CvPoint *last_join3 = get_join(amp。cp1_2,join_center1_2,amp。cp1_3,join_center1_3)。 CvPoint *last_join1 = get_join(amp。 if (join1_3) join_center1_3 = get_line_func(*join1_3,cp1_3)。//得到相應(yīng)的三個中點(diǎn) Line join_center1_2,join_center1_3,join_center2_3。 CvPoint cp1_3 = get_center(*p1,*p3)。 tangent3) join2_3 = get_join(p2,*tangent2,p3,*tangent3)。 if (tangent2 amp。amp。 tangent2) join1_2 = get_join(p1,*tangent1,p2,*tangent2)。//三條切線的交點(diǎn) if (tangent1 amp。 Line *tangent3 = get_tangent(contours,pos3)。//得到三個點(diǎn) Line *tangent1 = get_tangent(contours,pos1)。 CvPoint *p2 = (CvPoint *)cvGetSeqElem(contours,pos2)。 int pos3 = pos1 30。 int pos1 = contourstotal 10。 return center。 = ( + ) 1。 } else return NULL。 py = p2x * / () + / ()。amp。 return p。 != 1) { px = p1x。 } else if ( amp。 return p。 != 1) { if (fabs( / / ) = ) { px = ( * * ) / ( * * )。 if ( != 1 amp。 } return result。 = ( * + * )。 else { = 。}Line get_line_func(CvPoint p1,CvPoint p2){ Line result。 resultis_vertical = 0。 resultc = sum_of_y / SIZEOFTANGENTAREA resulta * sum_of_x / SIZEOFTANGENTAREA。 sum_of_x2 += (double)(tempx * tempx)。 sum_of_x += (double)tempx。i++) { CvPoint *temp = (CvPoint *)cvGetSeqElem(seq,i)。 for (i = n 4。 double sum_of_xy = ,sum_of_x = ,sum_of_y = ,sum_of_x2 = 。 if (n = seqtotal || n 4) return (Line *)NULL。 return 0。 cvShowImage(OUT,out)。 cvNamedWindow(OUT,0)。 cvRectangle(out,cvPoint(0,(int)outheight / 3),cvPoint(outwidth,outheight),GREEN,2,8,0)。 cvDrawContours(out,contours,BLUE,GREEN,LOW_THRESH,2,8,cvPoint(0,0))。contours = contoursh_next,i++) { if (contourstotal = 50) continue。 for (i = 0。 sum_of_area=cvFindContours(src,storage,amp。 cvLine(out,endpoints[0],endpoints[1],RED,2,8,0)。i linestotal。 cvSetImageROI(out,ROI)。//hough直線檢測 lines=cvHoughLines2(src,storage,CV_HOUGH_PROBABILISTIC,CV_PI / 180,5,10,5)。 cvCopy(temp,src,0)。 cvResetImageROI(src)。//邊緣檢測 cvSetImageROI(temp,ROI)。 cvSmooth(src,src,CV_GAUSSIAN,5,5,0,0)。//設(shè)置ROI cvSetImageROI(src,ROI)。 cvCvtColor(img,out,CV_GRAY2RGB)。 cvCopy(img,out,NULL)。 out = cvCreateImage(cvGetSize(img),imgdepth,3)。 } src = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1)。 } if ((img = cvLoadImage(argv[1],CV_LOAD_IMAGE_UNCHANGED)) == NULL) { printf(can not load image %s.\n,argv[1])。int main(int argc,char *argv[]){//圖像的加載過程 if (argc != 2) { puts(Usage : ./mark filename)。double points_distance(CvPoint p1,CvPoint p2)。CvPoint *get_join(CvPoint *p1,Line l1,CvPoint *p2,Line l2)。Line *get_tangent(CvSeq *seq,int n)。 int is_vertical。 float b。CvSeq *contours。CvMemStorage *storage。最后，感謝我的朋友們，在我迷惑不解時(shí)和我討論問題幫我找到思路，謝謝他們的支持和幫助！附錄1車道線識別程序源代碼，編譯要求：Linux 。我向景老師表達(dá)我最誠摯的感謝和致意！同時(shí)，也感謝Debian Linux和OpenCV社區(qū)給我提供的幫助，對于OpenCV編程環(huán)境的搭建以及OpenCV在Linux操作系統(tǒng)上的應(yīng)用，他們給我提供了許多寶貴的意見，在此，為他們樂于分享、樂于助人的精神獻(xiàn)上我深深地感謝。在算法的研究過程中，景老師給了我特別大的幫助，如算法的選擇、圖像的選取和相關(guān)的參考資料等，節(jié)省了我很多時(shí)間，也讓我的理論知識得到了極大的提高。RELILY,2008[19],RALPH:Rapidly Adapting Lateral Position Handler, Symposium on Intelligent Vehicles,Detroit,USA,1995:506511[20] and :A Parallel Real Time Stereo Vision System for Generic Obstacle and Lane Detection,IEEE Image ,7(1):6281[21]You vehicle automatically change the way and automatic control method of overtaking[D].JiLin :4446[22]Guan car lane departure warning system university :1223致謝本論文的工作實(shí)在景文博老師的悉心指導(dǎo)下完成的。所以未來是光明的，但更需要我們腳踏實(shí)地，不斷取得新的突破。對于未來，隨著人工智能、機(jī)器學(xué)習(xí)等的不斷發(fā)展，將這些技術(shù)應(yīng)用于車道識別中，必將能極大的提高車道線識別的精確性和適應(yīng)性，并且伴隨著智能汽車的進(jìn)一步發(fā)展，新的技術(shù)不斷得到應(yīng)用，車道線的識別技術(shù)一定會迎來一個大的發(fā)展