CN103440785B - 一种快速的车道偏移警示方法 - Google Patents

Abstract

本发明公开了一种快速的车道偏移警示方法，包括：S1、获取车辆行驶时的实时图像；S2、在预设的有效区域内对该实时图像进行处理后，获得该实时图像在有效区域内的二值化图像；S3、对二值化图像以预设行间距进行横向检测，获得多组二值化序列后，根据预设的宽度匹配阈值对多组二值化序列进行匹配处理；S4、对匹配处理结果进行Hough变换后，进行车道线提取，然后计算车道线与有效区域底边的夹角以及交点，进而判断车辆是否存在越线情况，若存在，则发出警告。本方法响应速度快、准确度高且鲁棒性强，可广泛应用于车辆驾驶中。

Description

一种快速的车道偏移警示方法

技术领域

本发明涉及车辆安全驾驶领域，特别是涉及一种快速的车道偏移警示方法。

背景技术

近年，伴随着经济的快速发展，人们对生活品质的日益追求，公路运输的需求量逐步增大，公路上由于驾驶员过度疲劳、疏忽，导致车辆偏离车道造成重大交通事故的比例逐年增长。车道偏移报警系统(LDWS，Lane Departure Warning System)可以在监测到车辆出现非主动性偏离的时候，向驾驶员发出警告，提醒驾驶员及时矫正偏移状况，使车辆重新回到正常车道中。以此辅助驾驶员在如高速公路等一些单调的驾驶环境下，保持在车道内行驶，提高车辆行驶的安全性。

车道偏移报警系统中最主要的一部分是车道线检测方法，由于车道中的亮度环境较为复杂，使用较为常用的大津法来进行图像的阈值分割，无法很好地解决在夜间的阈值分割问题。在车道线检测方法中，多采用传统的Sobel算子和Canny算子来实现边沿检验。但采用边沿检测后，不仅车道线边沿信息，其它无用信息如车道标识、车辆、行人等轮廓线也同时被增强了，让车道线的信息淹没在无用信息当中，无法快速而准确地提取车道线。而基于Hough变换的车道提取也是应用较为广泛的车道识别方法之一，该方法鲁棒性强，但缺点是需要很大的计算量和存储空间，速度较慢。综上所述，目前的车道线检测方法具有准确度低、运算量大或占用内存空间大的缺点，导致车道偏移报警系统进行车道偏移警示时具有准确度低、响应速度慢等缺点。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种准确度高且响应速度快的快速的车道偏移警示方法。

本发明解决其技术问题所采用的技术方案是：

一种快速的车道偏移警示方法，包括：

S1、获取车辆行驶时的实时图像；

S2、在预设的有效区域内对该实时图像进行处理后，获得该实时图像在有效区域内的二值化图像；

S3、对二值化图像以预设行间距进行横向检测，获得多组二值化序列后，根据预设的宽度匹配阈值对多组二值化序列进行匹配处理；

S4、对匹配处理结果进行Hough变换后，进行车道线提取，然后计算车道线与有效区域底边的夹角以及交点，进而判断车辆是否存在越线情况，若存在，则发出警告。

进一步，所述步骤S2，包括：

S21、截取该实时图像在有效区域内的区域图像；

S22、对区域图像进行中值滤波运算；

S23、截取区域图像的近景区域后，使用32个等长灰度区间对截取的近景区域进行灰度直方图的统计；

S24、根据统计结果，采用迭代法对区域图像进行二值化处理后，获得该实时图像在有效区域内的二值化图像。

进一步，所述步骤S3，包括：

S31、对二值化图像以预设行间距进行横向检测，获得多组二值化序列；

S32、对每组二值化序列按照从左到右的顺序进行匹配，判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录所有符合条件的白点子集的中点的坐标。

进一步，所述步骤S32，包括：

S321、对每组二值化序列按照从左到右的顺序进行查找，判断是否存在一连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束；

S322、根据下式计算距离D后，跳过D个元素后再继续对二值化序列进行查找：

D＝[x_mid-(i+w)]×2

其中，x_mid为二值化序列的中点的位置；i为白点子集的起始位置；w为白点子集的元素个数；

S323、判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束。

进一步，所述步骤S4，包括：

S41、根据每个中点与二值化图像的竖直中线之间的位置关系，将获得的所有白点子集的中点划分为左矩阵和右矩阵后，将右矩阵以该竖直中线为对称轴做水平镜像处理，然后对左矩阵和镜像处理后的右矩阵进行Hough变换，得到对应的左变换空间和右变换空间；

S42、分别统计左变换空间和右变换空间中，经过每个点的曲线的累加数量，并分别记录左变换空间和右变换空间的累加数量最大的点的坐标(ρ_Lline，θ_Lline)和(ρ_Rline，θ_Rline)，该两点在直角坐标系所对应的两段直线段分别为左车道线及右车道线；

S43、根据下式分别计算左车道线及右车道线与有效区域底边的夹角以及交点：

$\left\{\begin{array}{c}{\mathrm{\α}}_{\mathrm{Lline}}=90-{\mathrm{\θ}}_{\mathrm{Lline}}\\ {\mathrm{\α}}_{\mathrm{Rline}}=90-{\mathrm{\θ}}_{\mathrm{Rline}}\\ x_{\mathrm{Lend}}=\frac{{\mathrm{\ρ}}_{\mathrm{Lline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Lline}}}{\cos {\mathrm{\θ}}_{\mathrm{Lline}}}\\ x_{\mathrm{Rend}}=160-\frac{{\mathrm{\ρ}}_{\mathrm{Rline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Rline}}}{\cos {\mathrm{\θ}}_{\mathrm{Rline}}}\end{array}\right.$

其中，α_Lline为左车道线与有效区域底边的夹角，x_Lend为左车道线与有效区域底边的交点，α_Rline为右车道线与有效区域底边的夹角，x_Rend为右车道线与有效区域底边的交点。

S44、结合预设条件判断车辆是否存在越线情况，若存在，则发出警告。

进一步，所述步骤S44中所述预设条件为：

左车道线判决条件：以及

右车道线判决条件：

进一步，所述步骤S3中预设行间距为5，所述宽度匹配阈值包括最小阈值及最大阈值，所述最小阈值为5，所述最大阈值为15。

本发明的有益效果是：本发明的一种快速的车道偏移警示方法，采用以预设行间距对含有车道信息的二值化图像进行横向检测的方法，来进行匹配处理，从而实现车道线提取的目的，进而根据提取的车道线判断是否有越线情况，从而及时发出警告。相对于传统的边缘检测方法，本方法大大降低了运算量，提高了计算速度，而且本方法可有效地排除路面上的无关信息，因此本方法响应速度快、准确度高且鲁棒性强。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的一实施例中图像的有效区域的示意图；

图2是本发明的一实施例中图像的区域图像的近景区域的示意图；

图3是本发明的一实施例中将所有白点子集的中点从二值化图像的竖直中线处划分为左矩阵和右矩阵的示意图；

图4是图3中的右矩阵以竖直中线为镜像轴进行镜像处理前后的示意图。

具体实施方式

本发明提供了一种快速的车道偏移警示方法，包括：

S1、获取车辆行驶时的实时图像；

S2、在预设的有效区域内对该实时图像进行处理后，获得该实时图像在有效区域内的二值化图像；

S3、对二值化图像以预设行间距进行横向检测，获得多组二值化序列后，根据预设的宽度匹配阈值对多组二值化序列进行匹配处理；

S4、对匹配处理结果进行Hough变换后，进行车道线提取，然后计算车道线与有效区域底边的夹角以及交点，进而判断车辆是否存在越线情况，若存在，则发出警告。

进一步作为优选的实施方式，所述步骤S2，包括：

S21、截取该实时图像在有效区域内的区域图像；

S22、对区域图像进行中值滤波运算；

S23、截取区域图像的近景区域后，使用32个等长灰度区间对截取的近景区域进行灰度直方图的统计；

S24、根据统计结果，采用迭代法对区域图像进行二值化处理后，获得该实时图像在有效区域内的二值化图像。

进一步作为优选的实施方式，所述步骤S3，包括：

S31、对二值化图像以预设行间距进行横向检测，获得多组二值化序列；

S32、对每组二值化序列按照从左到右的顺序进行匹配，判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录所有符合条件的白点子集的中点的坐标。

进一步作为优选的实施方式，所述步骤S32，包括：

S321、对每组二值化序列按照从左到右的顺序进行查找，判断是否存在一连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束；

S322、根据下式计算距离D后，跳过D个元素后再继续对二值化序列进行查找：

D＝[x_mid-(i+w)]×2

其中，x_mid为二值化序列的中点的位置；i为白点子集的起始位置；w为白点子集的元素个数；

S323、判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束。

进一步作为优选的实施方式，所述步骤S4，包括：

S41、根据每个中点与二值化图像的竖直中线之间的位置关系，将获得的所有白点子集的中点划分为左矩阵和右矩阵后，将右矩阵以该竖直中线为对称轴做水平镜像处理，然后对左矩阵和镜像处理后的右矩阵进行Hough变换，得到对应的左变换空间和右变换空间；

S42、分别统计左变换空间和右变换空间中，经过每个点的曲线的累加数量，并分别记录左变换空间和右变换空间的累加数量最大的点的坐标(ρ_Lline，θ_Lline)和(ρ_Rline，θ_Rline)，该两点在直角坐标系所对应的两段直线段分别为左车道线及右车道线；

S43、根据下式分别计算左车道线及右车道线与有效区域底边的夹角以及交点：

$\left\{\begin{array}{c}{\mathrm{\α}}_{\mathrm{Lline}}=90-{\mathrm{\θ}}_{\mathrm{Lline}}\\ {\mathrm{\α}}_{\mathrm{Rline}}=90-{\mathrm{\θ}}_{\mathrm{Rline}}\\ x_{\mathrm{Lend}}=\frac{{\mathrm{\ρ}}_{\mathrm{Lline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Lline}}}{\cos {\mathrm{\θ}}_{\mathrm{Lline}}}\\ x_{\mathrm{Rend}}=160-\frac{{\mathrm{\ρ}}_{\mathrm{Rline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Rline}}}{\cos {\mathrm{\θ}}_{\mathrm{Rline}}}\end{array}\right.$

其中，α_Lline为左车道线与有效区域底边的夹角，x_Lend为左车道线与有效区域底边的交点，α_Rline为右车道线与有效区域底边的夹角，x_Rend为右车道线与有效区域底边的交点。

S44、结合预设条件判断车辆是否存在越线情况，若存在，则发出警告。

进一步作为优选的实施方式，所述步骤S44中所述预设条件为：

左车道线判决条件：以及

右车道线判决条件：

进一步作为优选的实施方式，所述步骤S3中预设行间距为5，所述宽度匹配阈值包括最小阈值及最大阈值，所述最小阈值为5，所述最大阈值为15。

本发明的一具体实施例如下：

S1、利用摄像头获取车辆行驶时的有效像素为320×240的实时图像；

S2、在预设的320×160的有效区域内对该实时图像进行处理后，获得该实时图像在有效区域内的二值化图像：

S21、参照图1所示，截取该实时图像在320×160的有效区域内的区域图像；这里，有效区域指实时图像中包含有车道信息的那部分图像；

S22、对区域图像进行中值滤波运算，去除图像获取和传输过程中所带来的噪声：

f(x，y)＝median{S_f(x，y)}

上式中，S_f(x，y)是点f(x，y)附近的一个的3×3小区域，中值滤波就是将某一点所在的3×3小区域的像素平均值作为该点的像素值；

S23、参照图2所示，截取区域图像的近景区域后，使用32个等长灰度区间对截取的近景区域进行灰度直方图的统计；灰度直方图的统计即灰度分布统计，由于车道上的亮度环境比较复杂，必须使用动态的阈值分割方式进行图像处理，考虑到夜间车灯的照射范围以及为了减少区域统计灰度分布时的运算量，这里取区域图像的中下部即区域图像的近景区域进行灰度分布统计；另外，这里将灰度区间由原来的256个等长灰度区间调整为32个等长灰度区间，可使灰度分布统计曲线更光滑，同时减少了存储空间；

S24、根据统计结果，采用迭代法对区域图像进行二值化处理后，获得该实时图像在有效区域内的二值化图像。步骤S23中，进行灰度分布统计后获得分别代表32个灰度级别的权重的32个数值，根据这32个数值，采用迭代法可计算出二值化阈值，从而使用二值化阈值对区域图像进行二值化处理得到二值化图像。二值化处理时，令车道线白色点对应的像素点的值为1，路面点对应的像素点的值为0。

S3、对二值化图像以预设行间距进行横向检测，获得多组二值化序列后，根据预设的宽度匹配阈值对多组二值化序列进行匹配处理：

S31、对二值化图像以预设行间距进行横向检测，获得多组二值化序列；二值化图像只有0跟1两个值，因此，扫描二值化图像，得到的是二值化序列；

S32、对每组二值化序列按照从左到右的顺序进行匹配，判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录所有符合条件的白点子集的中点的坐标并继续执行步骤S4，否则结束：

S321、对每组二值化序列按照从左到右的顺序进行查找，判断是否存在一连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标并继续执行步骤S322，否则结束；白点子集实际上指元素值均为1的子集，每个1值在二值化图像上显示为一个白点，因此白点子集的多个连续的1值在二值化图像上对应为一段白色线段；

S322、根据下式计算距离D后，跳过D个元素后再继续对二值化序列进行查找：

D＝[x_mid-(i+w)]×2

其中，x_mid为二值化序列的中点的位置；i为白点子集的起始位置；w为白点子集的元素个数；

x_mid的值与道路的宽度规格相关，这里，x_mid取160，若白点子集是从二值化序列的第60个元素开始的，则白点子集的起始位置i为60，假设白点子集的元素个数w为13，则这里，D的值为174；

S323、判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束；白点子集的中点，实际上即为车道线的中线上的一点，现实中车道是有一定宽度的，但是进行车道倾斜判断时，只需要结合车道线的中线进行判断即可，因此，这里只记录白点子集的中点的坐标，可提高计算速度。

匹配出左车道线的点后，跳过D个元素后再进行查找，相当于在二值化图像上跳过距离D后再继续进行匹配，这样可以提高查找效率，同时也消除了路面标志的影响。

步骤S3中，宽度匹配阈值用于限定位于车道线上的白点子集的元素个数的范围，宽度匹配阈值是根据车道线的宽度规格来设定的；具体地，本实施例中预设行间距为5，宽度匹配阈值包括最小阈值及最大阈值，最小阈值为5，最大阈值为15，因此，当某个白点子集的元素个数落在5～15的范围内时，则该白点子集位于车道线上，因此记录其中点的坐标。例如，若一组二值化序列中，第一个白点子集的元素个数为13，第二个白点子集的元素个数为25，第三个白点子集的元素个数为13，则判断第一个白点子集及第三个白点子集分别位于左车道线及右车道线上，同时还可以判断第二个白点子集位于路面标志上。

步骤S3中，以预设行间距对二值化图像进行横向检测，并通过查找连续的白点子集的方式进行匹配处理，以便于后续提取车道线，相对于传统的边沿检测方法，本步骤大大降低了运算量，提高了计算速度，而且可有效地排除路面上的无关信息，增强了算法的鲁棒性。

S4、对匹配处理结果进行Hough变换后，进行车道线提取，然后计算车道线与有效区域底边的夹角以及交点，进而判断车辆是否存在越线情况，若存在，则发出警告：

S41、参照图3所示，根据每个中点与二值化图像的竖直中线之间的位置关系，将获得的所有白点子集的中点划分为左矩阵和右矩阵后，参照图4所示，将右矩阵以该竖直中线为对称轴做水平镜像处理，然后对左矩阵和镜像处理后的右矩阵进行Hough变换，得到对应的左变换空间和右变换空间；参照图3所示，将二值化图像从竖直中线处平均划分为左右两部分，将位于左部分的点划分到左矩阵中，将位于右部分的点划分到右矩阵中，此时，左矩阵及右矩阵的原点都位于其左上角；然后参照图4所示，对右矩阵以竖直中线为镜像轴做镜像处理，图4中右侧虚线部分为图3中初始划分出的右矩阵，左侧实线部分为镜像处理后的右矩阵，镜像处理后，右矩阵的原点依旧位于其左上角；经过前面步骤的处理后，这里进行Hough变换实际上相当于进行压缩型的Hough变换，只针对白点子集的中点，变换的对象大大减少了；而且镜像处理后，左右矩阵的数据对象比较类似，因此，对左右矩阵进行Hough变换的运算方法也较为类似，在运算时，可采用同样的运算方法。

S42、分别统计左变换空间和右变换空间中，经过每个点的曲线的累加数量，并分别记录左变换空间和右变换空间的累加数量最大的点的坐标(ρ_Lline，θ_Lline)和(ρ_Rline，θ_Rline)，该两点在直角坐标系所对应的两段直线段分别为左车道线及右车道线；(ρ_Lline，θ_Lline)是左变换空间的累加数量最大的点的极坐标，其在直角坐标系所对应的直线段为左车道线；(ρ_Rline，θ_Rline)是右变换空间的累加数量最大的点的极坐标，其在直角坐标系所对应的直线段为右车道线；这里，原理上是记录累加数量最大的点的坐标，实际处理时，也可以采取记录累加数量大于某个数值的点的坐标，例如，记录累加数量大于8的点的坐标；

S43、根据下式分别计算左车道线及右车道线与有效区域底边的夹角以及交点：

$\left\{\begin{array}{c}{\mathrm{\α}}_{\mathrm{Lline}}=90-{\mathrm{\θ}}_{\mathrm{Lline}}\\ {\mathrm{\α}}_{\mathrm{Rline}}=90-{\mathrm{\θ}}_{\mathrm{Rline}}\\ x_{\mathrm{Lend}}=\frac{{\mathrm{\ρ}}_{\mathrm{Lline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Lline}}}{\cos {\mathrm{\θ}}_{\mathrm{Lline}}}\\ x_{\mathrm{Rend}}=160-\frac{{\mathrm{\ρ}}_{\mathrm{Rline}}-160\×{\sin \mathrm{\θ}}_{\mathrm{Rline}}}{\cos {\mathrm{\θ}}_{\mathrm{Rline}}}\end{array}\right.$

上面公式中x_Rend可进行变形后得到：

$x_{\mathrm{Rend}}=\frac{160\×(\sin {\mathrm{\θ}}_{\mathrm{Rline}}+\cos {\mathrm{\θ}}_{\mathrm{Rline}})-{\mathrm{\ρ}}_{\mathrm{Rline}}}{\cos {\mathrm{\θ}}_{\mathrm{Rline}}}$

其中，α_Lline为左车道线与有效区域底边的夹角，x_Lend为左车道线与有效区域底边的交点，α_Rline为右车道线与有效区域底边的夹角，x_Rend为右车道线与有效区域底边的交点。

S44、结合预设条件判断车辆是否存在越线情况，若存在，则发出警告，预设条件为：

左车道线判决条件：以及

右车道线判决条件：

步骤S4中，若判断车辆不存在越线，则不执行任何操作。本方法在车辆行驶时，是循环执行的，车辆不断地采集实时图像并发送到处理器运行本方法从而进行越线判断，因而可在车道发生偏移时，及时地发出警告。

进一步的，可忽略正常行使时的车道线，仅从车道将要偏移时开始进行车道线的识别，进一步地压缩计算量：经过研究发现，车道偏移时线θ_Lline和θ_Rline的取值范围均为10°～41°，对应的ρ_Lline和ρ_Rline的取值范围均为[0，224]。在量化过程中选取θ_Lline及θ_Rline的步长为1°，ρ_Lline及ρ_Rline的步长为4。这里，θ_Lline、θ_Rinee、ρ_Lline和ρ_Rline均为正数，是因为在步骤S4中做了镜像处理，从而消除了负数。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (4)

1.一种快速的车道偏移警示方法，其特征在于，包括：

S1、获取车辆行驶时的实时图像；

S2、在预设的有效区域内对该实时图像进行处理后，获得该实时图像在有效区域内的二值化图像；

S3、对二值化图像以预设行间距进行横向检测，获得多组二值化序列后，根据预设的宽度匹配阈值对多组二值化序列进行匹配处理；

S4、对匹配处理结果进行Hough变换后，进行车道线提取，然后计算车道线与有效区域底边的夹角以及交点，进而判断车辆是否存在越线情况，若存在，则发出警告；所述步骤S2，包括：

S21、截取该实时图像在有效区域内的区域图像；

S22、对区域图像进行中值滤波运算；

S23、截取区域图像的近景区域后，使用32个等长灰度区间对截取的近景区域进行灰度直方图的统计；

S24、根据统计结果，采用迭代法对区域图像进行二值化处理后，获得该实时图像在有效区域内的二值化图像；

所述步骤S3，包括：

S31、对二值化图像以预设行间距进行横向检测，获得多组二值化序列；

S32、对每组二值化序列按照从左到右的顺序进行匹配，判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录所有符合条件的白点子集的中点的坐标；

所述步骤S32，包括：

S321、对每组二值化序列按照从左到右的顺序进行查找，判断是否存在一连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束；

S322、根据下式计算距离D后，跳过D个元素后再继续对二值化序列进行查找：

D＝[x_mid-(i+w)]×2

其中，x_mid为二值化序列的中点的位置；i为白点子集的起始位置；w为白点子集的元素个数；

S323、判断是否存在连续的白点子集且该白点子集的元素个数在预设的宽度匹配阈值内，若存在，则记录该白点子集的中点的坐标，否则结束。

2.根据权利要求1所述的一种快速的车道偏移警示方法，其特征在于，所述步骤S4，包括：

S41、根据每个中点与二值化图像的竖直中线之间的位置关系，将获得的所有白点子集的中点划分为左矩阵和右矩阵后，将右矩阵以该竖直中线为对称轴做水平镜像处理，然后对左矩阵和镜像处理后的右矩阵进行Hough变换，得到对应的左变换空间和右变换空间；

S42、分别统计左变换空间和右变换空间中，经过每个点的曲线的累加数量，并分别记录左变换空间和右变换空间的累加数量最大的点的坐标(ρ_Lline，θ_Lline)和(ρ_Rline，θ_Rline)，该两点在直角坐标系所对应的两段直线段分别为左车道线及右车道线；

S43、根据下式分别计算左车道线及右车道线与有效区域底边的夹角以及交点：

$\left\{\begin{array}{c}{\mathrm{\α}}_{\mathrm{Lline}}=90-{\mathrm{\θ}}_{\mathrm{Lline}}\\ {\mathrm{\α}}_{\mathrm{Rline}}=90-{\mathrm{\θ}}_{\mathrm{Rline}}\\ x_{\mathrm{Lend}}=\frac{{\mathrm{\ρ}}_{\mathrm{Lline}}-160\×\sin {\mathrm{\θ}}_{\mathrm{Lline}}}{\cos {\mathrm{\θ}}_{\mathrm{Lline}}}\\ x_{\mathrm{Rend}}=160-\frac{{\mathrm{\ρ}}_{\mathrm{Rline}}-160\×\sin {\mathrm{\θ}}_{\mathrm{Rline}}}{\cos {\mathrm{\θ}}_{\mathrm{Rline}}}\end{array}\right.$

其中，α_Lline为左车道线与有效区域底边的夹角，x_Lend为左车道线与有效区域底边的交点，α_Rline为右车道线与有效区域底边的夹角，x_Rend为右车道线与有效区域底边的交点；

S44、结合预设条件判断车辆是否存在越线情况，若存在，则发出警告。

3.根据权利要求2所述的一种快速的车道偏移警示方法，其特征在于，所述步骤S44中所述预设条件为：

左车道线判决条件：以及

右车道线判决条件：

4.根据权利要求1所述的一种快速的车道偏移警示方法，其特征在于，所述步骤S3中预设行间距为5，所述宽度匹配阈值包括最小阈值及最大阈值，所述最小阈值为5，所述最大阈值为15。