1.基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，包括以下步骤：步骤一：图像预处理；

从卡内基梅隆图像数据库中的车道线标准图像库中获取原始车道线图像I，对原始车道线图像I进行中值滤波去除椒盐噪声，再进行直方图均衡化增强图像的亮度和对比度，使边缘特征突出，得到增强后的车道线图像I1；

步骤二：边缘检测；

对增强后的车道线图像I1采用Canny算子进行边缘检测，得到初始车道线边缘图像I2；

步骤三：Hough直线检测；

对步骤二中得到的初始车道线边缘图像I2进行Hough直线检测，保留包含直线检测结果的边缘，去除其余干扰边缘，得到边缘图像I3；

步骤四：推导成像模型约束条件；

推导得到的成像模型约束条件为：

在世界坐标系中长度为ΔY的车道线线段对应的图像坐标系中第u列中的线段长度Δv为：在世界坐标系中宽度为ΔX的左右车道线间距对应的图像坐标系中第v行中的间距宽度Δu为：步骤四的具体过程为：

假设相机光轴与车辆行驶道路平面平行以及左右车道线平行；

已知世界坐标系(X,Y,Z)和图像坐标系(U,V)，相机最大水平视角为α，最大垂直视角为β，相机安装位置在世界坐标系中的坐标为C(d,0,h)，其中h为相机安装高度，即相机在世界坐标系Z轴上的值，d为相机安装水平偏移，即相机在世界坐标系中X轴上的值；相机光轴与车辆行驶道路平面平行，与车道线夹角为γ；根据相机几何成像模型，世界坐标系(X,Y,Z)中路面上某点P(x,y,0)与图像坐标系(U,V)中相对坐标点Q(u,v)的映射模型为：式中HI，WI分别为相机成像后图像的水平、垂直分辨率；

根据相机成像原理，成像后图像中车道线线段长度是随着世界坐标系中车道线线段与相机距离的增加而缩短，同理，在世界坐标系中路面上相同的左右车道线间距，在近视场中成像得到的车道线间距较宽，在远视场中成像得到的车道线间距较窄；再结合几何相机成像模型，推导出在世界坐标系中长度为ΔY的车道线线段对应的图像坐标系中第u列中的线段长度Δv为：在世界坐标系中宽度为ΔX的左右车道线间距对应的图像坐标系中第v行中的间距宽度Δu为：步骤五：非均匀B样条曲线控制点提取；

以对应世界坐标系中ΔY的长度在图像中按成像模型约束设置扫描线，每条扫描线与左右车道边缘的交点即为一对控制点；具体过程为：从车道线边缘图像底部开始，在vi行设置水平扫描线Line i，m≤i≤n，在Line i与左右车道线的交点处得到控制点对(Li，Ri)，其中Li的坐标为(ui,vi)，Ri坐标为(ui',vi)；根据成像模型约束条件定义vi计算公式为：根据式(8)、(10)、(11)推导出：

其中v1，Δv1为预设值；将式(14)代入式(13)依次求出vi的值；由此求出第i条扫描线Line i所确定的控制点纵坐标等于vi；从扫描线中点分别向左右两边搜索边缘点，得到的第一对扫描线与左右车道线的交点即为控制点，从而确定一对控制点的坐标(ui,vi)和(ui',vi)；

步骤六：车道线拟合；

由步骤五得到非均匀B样条曲线控制点信息，再利用NUBS插值方法对左右车道线进行拟合，完成对车道线的检测。

2.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤一中，进行中值滤波时，采用中值滤波函数f^(x,y)为：^

其中f (x,y)为中值滤波输出，Sxy表示中心在(x,y)，尺寸为M×N的矩形子图像窗口的坐标组，f(a,b)为坐标为(a,b)的像素灰度值。

3.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤一中，进行直方图均衡化时，直方图均衡化函数sk为：其中sk为直方图均衡化输出，rk代表离散灰度级，0≤rk≤255，k＝0,1,2,…,n‑1，ni为图像中出现灰度ri的像素数，n是图像中的像素总数， 就是概率论中的频数。

4.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤二的具体步骤如下：(1)用高斯滤波器平滑图像I1；

高斯平滑函数G(x,y)为：

用G(x,y)与增强后的车道线图像I1进行卷积，得到平滑图像f1；

f1(x,y)＝I1(x,y)*G(x,y)(4)

(2)用一阶偏导的有限差分来计算梯度的幅值和方向，得到梯度图像f2；

一阶微分卷积模板

(3)对梯度幅值进行非极大值抑制，得到非极大值抑制图像f3；

在梯度图像f2的每一点上，将8邻域的中心像素S与沿着梯度线的两个像 素相比；如果S的梯度值不比沿梯度线的两个相邻像素梯度值大，则令S＝0；

(4)用双阈值算法检测和连接边缘；

对非极大值抑制图像f3设置两个阈值T1和T2，T1＝0.4T2，将梯度值小于T1的像素的灰度值设为0，得到图像f4；然后将梯度值小于T2的像素的灰度值设为0，得到图像f5；以图像f5为基础，以图像f4为补充，连结图像的边缘，得到初始车道线边缘图像I2。

5.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤三的具体步骤如下：(1)Hough直线检测；

对于直角坐标系中的任意一点A(x0,y0)，经过点A的直线满足y＝kx+l(5)

其中k是斜率，l是截距，则在X‑Y平面过点A(x0,y0)的直线簇均用式(5)表示，对于垂直于X轴的直线斜率是无穷大的则无法表示；因此将直角坐标系转换到极坐标系；

在极坐标系中表示直线的方程为

ρ＝xcosθ+ysinθ(6)

其中ρ为原点到直线的法线距离，θ为法线与X轴的正向夹角；则图像空间中的一点对应极坐标系ρ‑θ中的一条正弦曲线；通过检测ρ‑θ空间的交集点来检测图像空间中的直线；将ρ，θ离散化，在参数θ对应的每一取值，分别按照公式(6)计算相应的参数ρ的取值，然后在相应的参数累加单元中加1；最后统计每个累加单元的取值，大于预设的阈值H则认为参数是图像空间内的直线的参数，从而在图像中标记出直线；

(2)去除干扰边缘；

对步骤(1)标记出的直线中的每一个边缘像素，搜索包含该像素的整条边缘并保留，剔除与标记的直线无共同像素点的边缘，从而得到边缘图像I3。

6.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤五的具体过程为：假设左右车道线平行，求解第i条扫描线Line i所确定的控制点Li、Ri的横坐标ui和u'i；

根据成像模型约束条件以及式(14)推导出Δui+1与Δui的关系式为：u’i＝ui+Δui  (16)

其中相机光轴与车道线夹角γ按如下公式计算：

对于车道线边缘缺失导致控制点丢失的情况，在相邻控制点对L1、L2已知的情况下，根据公式(15)‑(17)计算出该控制点的横坐标u2；对于由虚假边缘导致的控制点错误定位的情况，验证所有相邻控制点对间距宽度比值是否满足式(15)，从而检测错误控制点坐标并根据式(15)‑(17)对其进行重新定位。

7.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤六的具体过程为：假设B样条曲线S由n+1个控制点集合{P0,P1,...Pn}构成，则曲线S上的各点满足：其中Bi,m(o)为基本B样条函数，2≤m≤n+1，tmin≤u≤tmax，tj为节点，j＝0,...,i+m，当各节点tj之间等距时，称该B样条曲线为均匀B样条曲线，否则为非均匀B样条曲线；根据NUBS插值法，若已知m对控制点，m≥3，则车道线采用m‑1阶多项式函数进行拟合；若能够确定4对控制点，则采用三阶多项式函数进行NUBS插值从而拟合出车道线；若只确定了3对控制点，则采用二阶多项式函数拟合车道线。