技術特征：

1.一種基于圖像視覺的車道線檢測方法，其特征在于，包括：

采集待檢測圖像，并對待檢測圖像進行預處理；

基于車道線幾何特征和灰度差異進行車道線特征提取，篩選出車道線區域；

對所述車道線區域進行采樣，采用隨機抽樣一致算法對采集數據進行直線擬合，計算出車道線參數。

2.如權利要求1所述的基于圖像視覺的車道線檢測方法，其特征在于，所述對待檢測圖像進行預處理，包括：

在所述待檢測圖像上設定ROI區域；所述ROI區域包含車輛前方與道路消失水平面之間的道路圖像；

對ROI區域的圖像進行灰度化處理；

對灰度圖像進行中值濾波處理，去除圖像采集與傳輸過程中的噪聲。

3.如權利要求2所述的基于圖像視覺的車道線檢測方法，其特征在于，所述基于車道線幾何特征和灰度差異進行車道線特征提取，篩選出車道線區域，具體包括：

根據車道線的寬度約束關系與灰度差異對所述ROI區域的車道線進行標記，并對標記后的ROI區域進行圖像二值化處理；

對圖像二值化處理后的車道線區域的連通性進行分析，并根據車道線區域的幾何特征對車道線進行篩選，獲得目標的車道線區域；所述幾何特征包括車道線的方向、長度、寬度和連通域面積。

4.如權利要求3所述的基于圖像視覺的車道線檢測方法，其特征在于，所述根據車道線的寬度約束關系與灰度差異對所述ROI區域的車道線進行標記，并對標記后的ROI區域進行圖像二值化處理，具體包括：

從ROI區域首行開始遍歷ROI圖像，分別計算出車道線的寬度、兩邊區域的灰度值、中間區域的灰度值以及兩邊區域的灰度差之和；

當車道線的兩邊區域的灰度值均小于中間區域的灰度值，并且車道線寬度以及兩邊區域的灰度差之和在指定閾值范圍內時，對ROI區域內的車道線進行標記；

對標記后的ROI區域進行圖像二值化處理。

5.如權利要求3所述的基于圖像視覺的車道線檢測方法，其特征在于，所述對圖像二值化處理后的車道線區域的連通性進行分析，并根據車道線區域的幾何特征對車道線進行篩選，獲得目標的車道線區域，具體包括：

對圖像二值化處理后的ROI區域進行掃描，查找出所有被標記的車道線的連通區域并計算每個連通區域的面積；

依次計算出所有連通區域的最小外包絡矩形的形狀描述子及其幾何特征；

根據對目標的車道線區域的幾何特征的約束值，對ROI區域的車道線進行篩選，保留符合約束范圍的車道線區域。

6.如權利要求2所述的基于圖像視覺的車道線檢測方法，其特征在于，對所述車道線區域進行采樣，采用隨機抽樣一致算法對采集數據進行直線擬合，計算出車道線參數，包括：

以ROI區域的中心點為起始點，分別從左右兩個方向進行車道線所屬點集進行掃描；

對掃描獲得的點集，采用隨機抽樣一致算法進行直線擬合，提取出ROI區域內的車道線參數。

7.如權利要求6所述的基于圖像視覺的車道線檢測方法，其特征在于，所述以ROI區域的中心點為起始點，分別從左右兩個方向進行車道線所屬點集進行掃描，包括：

掃描以ROI區域的圖像中心點所在的橫坐標為起點；

每行向左掃描到的第一個灰度值為255的坐標作為左車道線待擬合點集，并結束該行掃描；

每行向右掃描到的第一個灰度值為255的坐標作為右車道線待擬合點集，并結束該行掃描；

其中，圖像二值化后的ROI區域圖像的車道線區域的所有坐標灰度值均為255，非車道線區域的所有坐標灰度值均為0。

8.如權利要求6所述的基于圖像視覺的車道線檢測方法，其特征在于，所述對掃描獲得的點集，采用隨機抽樣一致算法進行直線擬合，提取出ROI區域內的車道線參數，包括：

將掃描獲得的車道線區域的所有點集構成集合P，在集合P中隨機抽取2個特征點構成集合S，并用S初始化車道線直線模型y＝k_rx+b_r，其中，k_r、b_r分別為根據隨機抽取的2個特征點對直線模型進行初始化得到的斜率和截距；

計算余集S_c中的點與車道線直線模型y＝k_rx+b_r的距離d；集合S_c是集合S在集合P中的余集；

將距離d小于閾值容限d_i余集S_c中相應的點構成集合Q，集合Q與集合S構成內點集S^*；

若內點集S^*中的點的個數大于最小內點數量t，則利用內點集S^*中的點和采用最小二乘法對所述車道線直線模型y＝k_rx+b_r進行更新，并存儲該模型參數；

若所述車道線直線模型y＝k_rx+b_r已經更新，或者，內點集S^*中的點的個數不大于最小內點數量t，則在集合P中重新隨機抽取2個特征點構成集合S對車道線直線模型y＝k_rx+b_r進行初始化，重復以上步驟進行多次抽樣；

在完成多次抽樣后，選取內點個數最多的內點集S^*的特征點計算出的車道線參數作為最終的車道線參數。