1.1 设计的目的和意义

改革开放30年来，随着中国经济的飞速发展，汽车的保有量正以惊人的速度增涨。中国2012年末全国民用汽车保有量达到了12089万辆，比去年末增长14.3%。其中仅私人轿车的数量就已经达到5308万辆，增长22.8%。然而我国的国民经济现状是底子薄，发展不均衡。交通相配套设施不完善，交通法规制度不健全，国民交通安全意识不强。在这些因素的共同作用下，我国的交通安全现状并不乐观。仅2009年一年因交通事故致死的人占到全世界的16%。2009年，全国因道路交通事故而死亡的人数为67759人，另外有27.5万人受伤，造成财产损失达9.1亿人民币；2010年和2011年，死亡人数也分别达到65225和62387人，已经连续十多年居世界第一。交通事故的频发己经成为了一大社会顽疾。^[1]

其实大部分的交通事故都是可以避免的。国内外许多研究机构发布的统计数据分析结果表明，70%以上道路事故的发生都与驾驶员的操作失误有直接相关，而间接相关性则到达到90%。一部分英国学者在一项长达四年的调查中，抽样调查了起2130交通事故。调查结果表明：由于驾驶员的疏忽所引发的交通事故大概占整个取样范围的95%。在中国，公安部下属的交通管理局也对此问题展开了大量的研宄。在对中国境内发生的28000起交通事故的分析中发现，人为因素引发的事故率达到96.4%，而由驾驶员违规驾驶所造成的事故约占74%。其实，许多司机的操作失误很大程度上是由于疲劳驾驶，注意力不集中等心理因素所导致的，并不是驾驶技术问题，只需要稍加提醒就可以及时得到纠正。因此，研发一种汽车驾驶的辅助系统，能够通过提醒及时纠正驾驶员的操作失误，就可以大大减少交通事故发生的概率。而计算机辅助驾驶的基础便是道路识别，本文所探讨的便是基于计算机视觉的道路识别系统。

1.2 国内外研究现状

智能车辆的研究已经进入空前发展的阶段，各种道路识别方法也是多种多样。总体来说，基于计算机视觉的道路识别的方法可归结为两类：基于特征的方法^[2]和基于模型的方法^[3]。

1.21基于特征的方法

基于特征的识别方法主要是结合道路边界图像的一些特征（颜色特征、灰度梯度特征等）从所获取的图像中识别出道路边界。其算法主要包括两个步骤特征提取和特征聚合。首先,对图像进行处理，提取出便于识别道路的特征然后,根据这些特征，把道路直观的表达出来。道路的特征提取可从区域角度和边缘角度分别考虑。

（1）基于区域特征的方法

基于区域特征的方法主要是通过对道路区域和背景区域像素点之间色彩、纹理、亮度等的差异来划分。一般来说，对非结构化的道路采用这种算法比较好。