1.文献综述
1.1引言
科技的快速发展给人们的日常生活带来了日新月异的变化。人口的剧增、车辆的普及，导致交通事故率急剧攀升，给人们带来了严重的财产损失和安全威胁。虽然引发事故的原因有很多（包括车辆故障、交通拥堵和驾驶员操作失误等），但是驾驶员分神、疲劳、误操作等由于驾驶员自身原因引起的交通事故占总量的绝大部分。
因此，为了减少交通事故的发生，随着人工智能技术的发展，车辆作为人们出行的重要交通工具，其智能化越来越受到人们的重视。高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）是利用安装在车上的各式各样传感器（毫米波雷达、激光雷达、单\双目摄像头以及卫星导航），在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。
根据我国交通部的统计数据，约有50%的道路交通事故是因为汽车偏离了正确的行车道。车道保持系统包括车道线检测与车道保持辅助系统的设计。车道线检测作为智能驾驶领域的关键技术，在车道偏离预警( lane departure warning，LDW) 和车道保持( lane keeping，LK) 、车道变换( lane changing，LC) 、前向碰撞预警( forward collision warning，FCW) 和自适应巡航控制( adaptive cruise control，ACC)系统等先进驾驶辅助系统( ADAS) 中发挥重要作用。
就目前而言，能检测无人驾驶车辆车道线的方法有很多，常采用视觉和激光雷达传感器。视觉传感器有单目和多目之分，它们依赖车道线显著的视觉特征，多目则主要指立体视觉，可代替激光雷达，借助障碍物、路面坡度、道路边界的检测信息对车道线检测施加约束。激光雷达通过构建道路的3D 信息为车道线检测提供约束条件或者提取车道线与路面背景的反射率差异。传感器的选择主要考虑传感器的价格和性能以及后续检测算法的复杂度等因素。
视觉传感器与激光雷达相比价格低廉、硬件成本较低，且车道线和路面背景区分通常较为明显，具有良好的视觉特性[1]。利用视觉的方法在车道线检测技术研究中占据主导地位，也是未来的发展方向。基于视觉的车道线检测技术已经广泛应用在辅助驾驶系统，车道保持系统是汽车主动安全系统中的重要门类,它可以有效地避免驾驶员发生因车道偏离而造成的交通事故。
它运用高像素摄像头传感器收集车辆行驶方向的光学数据，采用一定的图像处理技术，识别出当前路面的车道线。当车辆因为驾驶员疲劳或无意中即将越过车道线时，系统会主动干预转向并产生报警信号[2]。
国内在智能车系统方面，及对这些高新技术在路面交通上的使用已经有了一定的技术基础，特别是改革开放以来，对这方面的开发研究工作，已经有了长足的发展。国家科技攻关专题“智能公路技术跟踪”，国家863 课题“智能道路系统信息结构及环境感知与重构技术研究”、“基于车路协调的道路智能标识与感知技术研究”、“基于泛在网络技术的道路设施及灾害信息采集和融合”，交通部西部科技项目“新型公路磁引导安全辅助系统开发及示范应用”。另外，中心还承担了《智能运输系统自适应巡航引导系统性能要求与检测方法》和《智能运输系统车道偏离报警系统性能要求与检测方法》两项行业标准。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
