CN103177246B - 基于动态区域划分的双模型车道线识别方法 - Google Patents

Abstract

本发明属于车辆辅助驾驶技术领域，具体涉及一种车道线的智能识别方法。一种基于动态区域划分的双模型车道线识别方法，它包括以下步骤：步骤一、采集车辆前方环境原始图像I；步骤二、对原始图像I进行预处理；步骤三、规划车道线识别区域；步骤四、对车道线识别区域进行分区；步骤五、对分区进行识别，提取各区内直线簇；步骤六、分析各分区内候选直线几何特征确定车道线内边线；步骤七、将图中各分区划分为直线区和曲线区；步骤八、左右车道线重构；与其他同类方法相比，本发明大大提高车道线检测和跟踪的准确性和鲁棒性。

Description

基于动态区域划分的双模型车道线识别方法

技术领域

本发明属于车辆辅助驾驶技术领域，具体涉及一种车道线的智能识别方法。

背景技术

车道线是最基本的交通标志，也是汽车行驶时最基本的约束。基于机器视觉的车道线识别系统是智能交通系统的重要组成部分，它广泛应用于车道偏离预警系统（LaneDepartureWarning，LDW），前向防撞系统（LongitudinalCollisionAvoidance，LCA）和盲点监测系统（BlindSpotInformationSystem）等汽车先进辅助驾驶系统，同时也是进行障碍物识别的基本前提。

目前，基于机器视觉的车道线识别系统，主要通过安装在车辆上的前视摄像机等图像传感器来获取前方道路图像，然后对图像进行车道线提取。在进行车道线提取时，常用的算法有Hough变换、模板匹配和区域生长等方法等。算法的难点在于图像无用信息的剔除，车道线有效区域的规划，不规则车道线（虚线，道路标识线等）的识别和随着纵向距离增加车道线模型（直线，曲线）变化，车道线信息减弱等问题。此外，有些算法根据摄像机成像原理，利用逆透视变换将每帧图像转化为俯视图，消除透视效应影响，并借助公路本身的几何特征（如宽度、平行度等）进行前方道路的识别。但该算法中图像逆透视变化运算量大，且对摄像头标定精度要求高，不便于利用。

发明内容

本发明的目的是：为解决现有技术中区域规划不足，算法运算量大且提取的车道线精度较差的问题，而提出一种基于动态区域划分的双模型车道线识别方法，以提高图像预处理效果；

本发明的技术方案是：一种基于动态区域划分的双模型车道线识别方法，它包括以下步骤：

步骤一、采集车辆前方环境原始图像I；

车辆行驶过程中，通过安装在车辆上前挡风玻璃下的图像传感器采集车辆前方行驶环境原始图像I，并设原始图像I左上角点为图像坐标系原点，水平向右为x轴正方向，竖直向下为y轴正方向；

步骤二、对原始图像I进行预处理，具体步骤包括：

2.1对原始图像I进行灰度均衡化处理；

2.2采用二维空间中值滤波进行平滑处理；

2.3利用Canny算子进行边界提取运算，得到二值化边界图像I_edge，其中，二值化边界图像I_edge中边界像素值为1，非边界像素值为0；

2.4利用B₁模板对二值化边界图像I_edge进行腐蚀、膨胀处理，B₂模板对B₁模板处理后的结果再次进行腐蚀、膨胀处理，得到二值化边界图像I_e-i；所用模板B₁、B₂分别为：

$B_1=\left[\begin{array}{ccc}0& 0& 0\\ 1& 1& 1\\ 0& 0& 0\end{array}\right],$ $B_2=\left[\begin{array}{ccc}0& 1& 0\\ 0& 1& 0\\ 0& 1& 0\end{array}\right]$

2.5利用B₃模板对二值化边界图像I_e-i进行腐蚀、膨胀处理得到二值化边界图像I_left；利用B₄模板对二值化边界图像I_edge进行腐蚀、膨胀处理得到二值化边界图像I_right；所用模板B₃、B₄分别为：

$B_3=\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 0\end{array}\right],$ $B_4=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$

2.6对二值化边界图像I_right和I_left进行叠加得到预处理完成的边界图像，即：I_f=I_right∪I_left；

步骤三、规划车道线识别区域，获得仅含车道线识别区域信息的边界图像I_p，具体步骤如下：

3.1设一条平行于x轴，其y坐标为v的消失线；

3.2创建车道线识别区域规划的模板图像I_filter；

利用图像传感器内外部参数进行投影变换，以车辆坐标系原点为基准，将横向-b～+b米，纵向+b～v米的闭合区域确定为图像中车道线识别区域，即创建车道线识别区域规划的模板图像I_filter，其中，模板图像I_filter图像尺寸和原始图像I一致，区域内像素值为1，区域外像素值为0；

3.3获得仅含车道线识别区域信息的边界图像I_p，具体求解方法：

I_p=I_filter·I_f

步骤四、对仅含车道线识别区域信息的边界图像I_p进行分区，具体步骤如下：

4.1对仅含车道线识别区域信息的边界图像I_p进行横向分区，分区的分界线采用步骤6.3确定的前帧道路图像各分区车道线中线检测结果l_ci，总体上分为左车道线候选边界图像和右车道线候选边界图像，对于初始帧分界线l_ci则为图像中心线；

4.2对车道线识别区域进行纵向总体分区；

将步骤3.2中车道线识别区域下边界到车辆前方距离M米处的图像区域为定义车道线检测有效区；将车辆前方距离M米处到车道线识别区域上边界的图像区域定义为车道线检测无效区；

4.3在4.2的基础上对左右车道检测有效区进行细化分区；

将左右车道线检测有效区由上而下按递增等比数列细分为N个带状区域；因此自下而上，从左到右得到2N个子区域：左1区至左N区、右1区至右N区；如果是第一帧图像则各子区域横向范围为从分界线到车道线检测有效区横向边界；如果不是第一帧图像，则横向范围继承前一帧图像调整后的横向范围；

步骤五、利用Hough变换分别依次对左1区到左N区，右1区到右N区进行直线簇的识别；如果某一子区域内检测结果为空，则利用上下相邻子区域的直线簇检测结果的延伸确定本子区域的直线簇位置；

步骤六、分析步骤五所得的各子区域内候选直线几何特征确定车道线内边线；

6.1对各子区域内检测到的直线簇进行逆透视变换，获得其在俯视图中位置；

6.2对同一横行中左子区域内变换后的直线簇和右子区域内变换后的直线簇进行距离和平行度分析，将满足设定距离和平行度的直线簇确定为子区域内的车道线候选直线；并根据车道线候选直线对下一帧使用的子区域的横向范围进行重新调整，作为下一帧规划；对每个子区域调整的方法为：

求出当前子区域车道线候选直线与所在子区域上下边界交点，找出所述车道线候选直线与所在子区域上边界最内侧交点和下边界最外侧交点，以靠近车道线中线检测结果l_ci为内侧，远离车道线中线检测结果l_ci为外侧，将车道线候选直线与所在子区域上边界最内侧交点的横坐标向内延伸，延伸宽度为车道线候选直线与所在子区域上边界的截断宽度，车道线候选直线与所在子区域下边界最外侧交点的横坐标向外延伸，延伸宽度为车道线候选直线与所在子区域下边界的截断宽度，确定出两个点的横坐标之间的横向范围即为调整后的结果；

6.3对每一横行的车道线候选直线进行横向位置分析，最终确定距离最近的两条直线为该横行中车道线左侧内边线l_li和车道线右侧内边线l_ri，i∈{1…N}，然后根据车道线左侧内边线l_li和车道线右侧内边线l_ri，求出各区的中线l_ci，作为下一帧横向分区的分界线；

步骤七、将各子区域划分为直线区和曲线区，具体包括：

7.1利用6.3得到的各横行的车道线左侧内边线l_li和车道线右侧内边线l_ri求交点，记为各横行车道线在图像中的消失点P_i，i∈{1…N}；

7.2对消失点进行横向分布分析，首先设定横向偏移门限值为T，然后根据相邻消失点横向偏移量和门限值T进行比较，找到偏移量大于门限值T的所有相邻消失点，以这些相邻消失点中编号最小的消失点所属子区域下边界为分界，其上至消失线为曲线区，以下为直线区；如果全部小于门限值T，则只有一个直线区；

步骤八、左右车道线重构；

在直线区，采用直线模型对各区车道线检测结果进行拟合；在曲线区，采用3次B样条曲线进行车道线重构。

本发明的有益效果是：采用基于模板的腐蚀、膨胀等图像预处理方法来尽可能去除非车道线干扰，以增强车道线边界信息。在此基础上，对道路图像进行细化分区处理，首先规划出车道线检测区域，然后将其横向分为左车道线候选边界图像和右车道线候选边界图像，纵向上分别将左右车道线候选边界图像总体上分为车道线检测有效区和无效区，然后将有效区进行细化分区，并对各分区进行独立处理综合分析。对初步识别结果进行直线和曲线双模型的划分，最终进行左右车道线重构得到图像中车道线信息。与其他同类方法相比，本发明大大提高车道线检测和跟踪的准确性和鲁棒性。

附图说明

图1为本发明方法流程图；

图2为实施例步骤二流程图；

图3为实施例步骤四流程图；

图4为实施例步骤五、六流程图；

图5为实施例摄像头采集的原始图像I；

图6为实施例预处理得到的二值化边界图像I_edge结果图；

图7为实施例预处理完成的边界图像I_f；

图8为实施例车道线识别区域规划模板图像I_filter结果图；

图9为实施例车道线识别区域横向分区结果图；

图10为实施例车道线识别区域有效区无效区划分结果图；

图11为实施例第一帧时车道线检测有效区的细分结果图；

图12为实施例非第一帧时车道线检测有效区细分结果图；

图13为实施例各车道线识别有效区域各区域内的车道线候选直线结果图；

图14为实施例最终确定各区域内车道线内边线和消失点，及曲线区和直线区划分结果图；

图15为实施例车道线识别最终结果图。

具体实施方式

参见附图1，一种基于动态区域划分的双模型车道线识别方法，它包括以下步骤：

步骤一、采集车辆前方环境原始图像I；

车辆行驶过程中，通过安装在车辆上前挡风玻璃下的图像传感器采集车辆前方行驶环境原始图像I，并设原始图像I左上角点为图像坐标系原点，水平向右为x轴正方向，竖直向下为y轴正方向，原始图像I如图5所示，原始图像I为752×480的矩阵，矩阵内的每个元素代表灰度值；

参见附图2，步骤二、对原始图像I进行预处理，具体步骤包括：

2.1对原始图像I进行灰度均衡化处理；

2.2采用二维空间中值滤波进行平滑处理；

2.3利用Canny算子进行边界提取运算，得到二值化边界图像I_edge，如图6所示，其中，二值化边界图像I_edge中边界像素值为1，非边界像素值为0；

2.4利用B₁模板对二值化边界图像I_edge进行腐蚀、膨胀处理，B₂模板对B₁模板处理后的结果再次进行腐蚀、膨胀处理，得到二值化边界图像I_e-i；所用模板B₁、B₂分别为：

$B_1=\left[\begin{array}{ccc}0& 0& 0\\ 1& 1& 1\\ 0& 0& 0\end{array}\right],$ $B_2=\left[\begin{array}{ccc}0& 1& 0\\ 0& 1& 0\\ 0& 1& 0\end{array}\right]$

B₁模板和B₂模板用于剔除水平与垂直的线条；

2.5利用B₃模板对二值化边界图像I_e-i进行腐蚀、膨胀处理得到二值化边界图像I_left；利用B₄模板对二值化边界图像I_edge进行腐蚀、膨胀处理得到二值化边界图像I_right；所用模板B₃、B₄分别为：

$B_3=\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 0\end{array}\right],$ $B_4=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$

B₃模板和B₄模板用于剔除正负45°的线条；

通过上述腐蚀膨胀处理，图像中的树木、栏杆和车辆等无用信息被有效剔除；

2.6对二值化边界图像I_right和I_left进行叠加得到预处理完成的边界图像，即：I_f=I_right∪I_left，I_f如图7所示；

步骤三、规划车道线识别区域，获得仅含车道线识别区域信息的边界图像I_p，具体步骤如下：

3.1设一条平行于x轴，其y坐标为v的消失线，求取消失线坐标v的方法为：

$v=(\sin \mathrm{\γ}\tan \mathrm{\β}-\frac{\cos \mathrm{\γ}\tan \mathrm{\α}}{\cos \mathrm{\β}})a_y+v_0$

上式中，α，β，γ为图像传感器坐标系和世界坐标系之间的旋转变换角，a_y为图像传感器y方向的等效焦距；v₀为图像主点，即图像传感器主轴和感光芯片的交点，在图像坐标系中的垂直坐标；

3.2创建车道线识别区域规划的模板图像I_filter；

利用图像传感器内外部参数进行投影变换，以车辆坐标系原点为基准，将横向-3～+3米，纵向+3～v米的闭合区域确定为图像中车道线识别区域，即创建车道线识别区域规划的模板图像I_filter，如图8所示，其中，模板图像I_filter图像尺寸和原始图像I一致，区域内像素值为1，区域外像素值为0；

3.3获得仅含车道线识别区域信息的边界图像I_p，具体求解方法：

I_p=I_filter·I_f

参见附图3，步骤四、对仅含车道线识别区域信息的边界图像I_p进行分区，具体步骤如下：

4.1对仅含车道线识别区域信息的边界图像I_p进行横向分区，分区的分界线采用步骤6.3确定的前帧道路图像各分区车道线中线检测结果l_ci，如图9所示，总体上分为左车道线候选边界图像和右车道线候选边界图像，对于初始帧分界线l_ci则为图像中心线；

4.2对车道线识别区域进行纵向总体分区；

总体上将3.2步骤中车道线识别区域下边界到车辆前方距离60米处的图像区域为定义车道线检测有效区；将车辆前方距离60米处到车道线识别区域上边界的图像区域定义为车道线检测无效区，结果如图10所示；

4.3在4.2的基础上对左右车道检测有效区进行细化分区；

将左右车道线检测有效区由上而下按递增等比数列细分为5个带状区域；因此自下而上，从左到右得到10个子区域：左1区至左5区、右1区至右5区；如果是第一帧图像则各子区域横向范围为从分界线到车道线检测有效区横向边界；如果不是第一帧图像，则横向范围继承前一帧图像调整后的横向范围，如图11所示；

参见附图4，步骤五、由于每个子区域中车道线边界近似为直线，因此本步骤利用Hough变换分别依次对左1区到左5区，右1区到右5区进行直线簇的识别，如图12所示；如果某一子区域内检测结果为空，则利用上下相邻子区域的直线簇检测结果的延伸确定本子区域的直线簇位置；例如，对图12中右4区无法直接识别出直线簇，则可以将右5区和右3区的直线簇延长到本右4区。

步骤六、分析步骤五所得的各子区域内候选直线几何特征确定车道线内边线；

6.1对各子区域内检测到的直线簇进行逆透视变换，获得其在俯视图中位置；

6.2对同一横行中左子区域内变换后的直线簇和右子区域内变换后的直线簇进行距离和平行度分析，将满足设定距离和平行度的直线簇确定为子区域内的车道线候选直线；并根据车道线候选直线对下一帧使用的子区域的横向范围进行重新调整，作为下一帧规划；对每个子区域调整的方法为：

求出当前子区域车道线候选直线与所在子区域上下边界交点，找出所述车道线候选直线与所在子区域上边界最内侧交点和下边界最外侧交点，以靠近车道线中线检测结果l_ci为内侧，远离车道线中线检测结果l_ci为外侧，将车道线候选直线与所在子区域上边界最内侧交点的横坐标向内延伸，延伸宽度为车道线候选直线与所在子区域上边界的截断宽度，车道线候选直线与所在子区域下边界最外侧交点的横坐标向外延伸，延伸宽度为车道线候选直线与所在子区域下边界的截断宽度，确定出两个点的横坐标之间的横向范围即为调整后的结果；

6.3对每一横行的车道线候选直线进行横向位置分析，最终确定距离最近的两条直线为该横行中车道线左侧内边线l_li和车道线右侧内边线l_ri，i∈{1…5}，然后根据车道线左侧内边线l_li和车道线右侧内边线l_ri，求出各区的中线l_ci，作为下一帧横向分区的分界线；

参见附图5，步骤七、将图中各子区域划分为直线区和曲线区，具体包括：

7.1利用6.3得到的各横行的车道线左侧内边线l_li和车道线右侧内边线l_ri求交点，记为各横行车道线在图像中的消失点P_i，i∈{1…5}，如图13所示；

7.2对消失点进行横向分布分析，首先设定横向偏移门限值为T，然后根据相邻消失点横向偏移量和门限值T进行比较，找到偏移量大于门限值T的所有相邻消失点，以这些相邻消失点中编号最小的消失点所属子区域下边界为分界，其上至消失线为曲线区，以下为直线区；如果全部小于门限值T，则只有一个直线区；

步骤八、左右车道线重构；

如图14、15所示，在直线区，采用直线模型对各区车道线检测结果进行拟合；在曲线区，采用3次B样条曲线进行车道线重构。

其中，曲线区重构的具体方法可以为：首先确定曲线区内外侧车道线消失点P_ci和P_co，其中，设P₅与P₄横坐标之差为e，令P_ci的横坐标为P₅横坐标与两倍e的和，P_co的横坐标为P₅横坐标与e之和；最后利用直线区和曲线区中各子区域识别结果及P_ci和P_co对内外侧车道线分别进行3次B样条曲线拟合，完成车道线重构。

Claims (4)

1.一种基于动态区域划分的双模型车道线识别方法，其特征是，它包括以下步骤：

步骤一、采集车辆前方环境原始图像I；

车辆行驶过程中，通过安装在车辆上前挡风玻璃下的图像传感器采集车辆前方行驶环境原始图像I，并设原始图像I左上角点为图像坐标系原点，水平向右为x轴正方向，竖直向下为y轴正方向；

步骤二、对原始图像I进行预处理，具体步骤包括：

2.1对原始图像I进行灰度均衡化处理；

2.2采用二维空间中值滤波进行平滑处理；

2.3利用Canny算子进行边界提取运算，得到二值化边界图像I_edge，其中，二值化边界图像I_edge中边界像素值为1，非边界像素值为0；

2.4利用B₁模板对二值化边界图像I_edge进行腐蚀、膨胀处理，B₂模板对B₁模板处理后的结果再次进行腐蚀、膨胀处理，得到二值化边界图像I_e-i；所用模板B₁、B₂分别为：

$\begin{array}{cc}{B}_1=\left[\begin{array}{ccc}0& 0& 0\\ 1& 1& 1\\ 0& 0& 0\end{array}\right],& B_2=\left[\begin{array}{ccc}0& 1& 0\\ 0& 1& 0\\ 0& 1& 0\end{array}\right]\end{array}$

2.5利用B₃模板对二值化边界图像I_e-i进行腐蚀、膨胀处理得到二值化边界图像I_left；利用B₄模板对二值化边界图像I_edge进行腐蚀、膨胀处理得到二值化边界图像I_right；所用模板B₃、B₄分别为：

$\begin{array}{cc}{B}_3=\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 0\end{array}\right],& B_4=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\end{array}$

2.6对二值化边界图像I_right和I_left进行叠加得到预处理完成的边界图像，即：I_f＝I_right∪I_left；

步骤三、规划车道线识别区域，获得仅含车道线识别区域信息的边界图像I_p，具体步骤如下：

3.1设一条平行于x轴，其y坐标为v的消失线；求取消失线y坐标v的方法为：

$v=(\sin \mathrm{\γ}\tan \mathrm{\β}-\frac{\cos \mathrm{\γ}\tan \mathrm{\α}}{\cos \mathrm{\β}}){\mathrm{\α}}_y+v_0$

上式中，α，β，γ为图像传感器坐标系和世界坐标系之间的旋转变换角，a_y为图像传感器y方向的等效焦距；v₀为图像主点，即图像传感器主轴和感光芯片的交点，在图像坐标系中的垂直坐标；

3.2创建车道线识别区域规划的模板图像I_filter；

利用图像传感器内外部参数进行投影变换，以车辆坐标系原点为基准，将横向-b～+b米，纵向+b～v米的闭合区域确定为图像中车道线识别区域，即创建车道线识别区域规划的模板图像I_filter，其中，模板图像I_filter图像尺寸和原始图像I一致，区域内像素值为1，区域外像素值为0；

3.3获得仅含车道线识别区域信息的边界图像I_p，具体求解方法：

I_p＝I_filter·I_f

步骤四、对仅含车道线识别区域信息的边界图像I_p进行分区，具体步骤如下：

4.1对仅含车道线识别区域信息的边界图像I_p进行横向分区，分区的分界线采用步骤6.3确定的前帧道路图像各分区车道线中线检测结果l_ci，总体上分为左车道线候选边界图像和右车道线候选边界图像，对于初始帧分界线l_ci则为图像中心线；

4.2对车道线识别区域进行纵向总体分区；

将步骤3.2中车道线识别区域下边界到车辆前方距离M米处的图像区域为定义车道线检测有效区；将车辆前方距离M米处到车道线识别区域上边界的图像区域定义为车道线检测无效区；

4.3在4.2的基础上对左右车道检测有效区进行细化分区；

将左右车道线检测有效区由上而下按递增等比数列细分为N个带状区域；因此自下而上，从左到右得到2N个子区域：左1区至左N区、右1区至右N区；如果是第一帧图像则各子区域横向范围为从分界线到车道线检测有效区横向边界；如果不是第一帧图像，则横向范围继承前一帧图像调整后的横向范围；

步骤五、利用Hough变换分别依次对左1区到左N区，右1区到右N区进行直线簇的识别；如果某一子区域内检测结果为空，则利用上下相邻子区域的直线簇检测结果的延伸确定本子区域的直线簇位置；

步骤六、分析步骤五所得的各子区域内候选直线几何特征确定车道线内边线；

6.1对各子区域内检测到的直线簇进行逆透视变换，获得其在俯视图中位置；

6.2对同一横行中左子区域内变换后的直线簇和右子区域内变换后的直线簇进行距离和平行度分析，将满足设定距离和平行度的直线簇确定为子区域内的车道线候选直线；并根据车道线候选直线对下一帧使用的子区域的横向范围进行重新调整，作为下一帧规划；对每个子区域调整的方法为：

求出当前子区域车道线候选直线与所在子区域上下边界交点，找出所述车道线候选直线与所在子区域上边界最内侧交点和下边界最外侧交点，以靠近车道线中线检测结果l_ci为内侧，远离车道线中线检测结果l_ci为外侧，将车道线候选直线与所在子区域上边界最内侧交点的横坐标向内延伸，延伸宽度为车道线候选直线与所在子区域上边界的截断宽度，车道线候选直线与所在子区域下边界最外侧交点的横坐标向外延伸，延伸宽度为车道线候选直线与所在子区域下边界的截断宽度，确定出两个点的横坐标之间的横向范围即为调整后的结果；

6.3对每一横行的车道线候选直线进行横向位置分析，最终确定距离最近的两条直线为该横行中车道线左侧内边线l_li和车道线右侧内边线l_ri，i∈{1…N}，然后根据车道线左侧内边线l_li和车道线右侧内边线l_ri，求出各区的中线l_ci，作为下一帧横向分区的分界线；

步骤七、将各子区域划分为直线区和曲线区，具体包括：

7.1利用6.3得到的各横行的车道线左侧内边线l_li和车道线右侧内边线l_ri求交点，记为各横行车道线在图像中的消失点P_i，i∈{1…N}；

7.2对消失点进行横向分布分析，首先设定横向偏移门限值为T，然后根据相邻消失点横向偏移量和门限值T进行比较，找到偏移量大于门限值T的所有相邻消失点，以这些相邻消失点中编号最小的消失点所属子区域下边界为分界，其上至消失线为曲线区，以下为直线区；如果全部小于门限值T，则只有一个直线区；

步骤八、左右车道线重构；

在直线区，采用直线模型对各区车道线检测结果进行拟合；在曲线区，采用3次B样条曲线进行车道线重构。

2.如权利要求1所述的一种基于动态区域划分的双模型车道线识别方法，其特征是，所述步骤3.2中，b＝3。

3.如权利要求1所述的一种基于动态区域划分的双模型车道线识别方法，其特征是，所述步骤4.2中M＝60。

4.如权利要求1所述的一种基于动态区域划分的双模型车道线识别方法，其特征是，所述步骤四、五、六中N＝5。