文献综述
随着科技与经济的发展，城市交通不断完善，汽车成为越发普及的交通工具。而由此带来的交通安全问题也成为了人们关注的重点。为了提高汽车的安全性以减少交通事故，计算机科学被应用到了交通领域以辅助驾驶。智能驾驶和无人驾驶是研究者们普遍关注的领域，而其中的车道线检测和提取则是一项关键技术。到目前为止，已经提出和发展了众多基于计算机视觉的车道线检测算法。
雷达，声呐和摄像机，是自动驾驶技术中最为关键的传感器。雷达多用于远距离交通检测，近距离则由声呐承担检测任务。而摄像机，利用计算机视觉技术，可以在中等距离的车道检测和物体检测中发挥重要的作用。雷达和声呐，都有一定的局限性，雷达难以区分不同的金属物体和提供方向性的信息，而在高速行驶时，声呐的作用范围极为有限。摄像机所支持的计算机视觉技术，尽管也有诸多局限性，但能在一定程度上弥补二者缺陷，且相对廉价。
在过去，计算机视觉由于其相对较低的精度，它通常用于与其他传感器或者道路模型[3][4][6][7]相结合。Cho等人[3]使用多种传感器，如LIDAR，雷达和计算机视觉来做物体检测。然后他们使用运动模型将这些传感器融合在卡尔曼滤波器中，Held等人[4]，在图像上仅仅使用一种基于变形部分的模型来获取检测结果，之后使用道路模型来排除误报。Carafii等人[6]使用WaldBoost探测器和跟踪器来实时生成像素空间的检测。Jazayeri等人[7]依靠特征的时间信息进行检测，然后用前视运动模型来排除误报
考虑到传统的计算机视觉技术并不能提供自动驾驶所需要的稳健性和实时性，许多团体着眼于深度学习技术，并已经取得了一定的成绩，计算机视觉有望在自动驾驶领域发挥更大的作用。深度学习以数据为中心，需要大量的数据集作为支持。在大型数据集上进行足够的训练之后，神经网络系统可以有效地对摄像机观察到的情况做出实时判断。
而深度学习领域中，卷积神经网络（CNN）更适用于图像检测。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。其在图像识别领域取得了极大的成就[9],[17],[18],[19]。许多团体开始试图利用卷积神经网络来进行车道线检测
物体检测领域，在卷积神经网络（CNN）被广泛传播应用于计算机视觉之前，基于形变部分的模型是最为成功的检测方法[13]。在流行的CNN模型AlexNet [9]被提出之后，最先进的检测方法转为使用CNN来进行特征提取[21]，[14]，[10]，[15]。Girshick等人开发了R-CNN，一个由两部分构成的系统，它使用了Selective Search [16]来提取区域并使用AlexNet来对之分类。R-CNN在Pascal上大幅度地取得了领先地位，然而，由于其近1000个的分类查询和卷积的低效重用性，实时实现仍是不现实的。Szegedy等人提出了一个比R-CNN可扩展性更强的替代方法，与Selective Search相比，它依靠CNN来获取更高质量的区域划分。这使得候选区域的数量减少到了79个，同时保持了与Selective Search的竞争力。Sermanet[21]等人提出了一种更快的图像检测方法，叫做Overfeat。通过使用名为“区域提议”的规则模式，Overfeat方法可以有效地复用来自每个层的卷积计算，仅需要单个正向通道进行推断。
车道线检测算法，需要能够及时反馈道路情况，即做到实时性，且能够在车辆装载的系统上实时运算。同时，车道线检测需要保证其准确性，并且能在多种道路情况下保持其准确性。城乡的交通车道，较之环境相对单一的高速通道，更难被识别。考虑到诸多问题，目前行之有效的车道线检测算法有限，且留有改善的余地。
Brody Huval[1]等人提出了一种基于卷积神经网络的车辆和车道线检测算法，并提供了他们收集的数据集进行训练和验证。由于高速公路行驶的要求，他们使用的系统能检测超过100m的车辆，并且能以快于10Hz的速度运行。这个距离需要比平常更高的图像分辨率，他们的所采用的是640times;480。这个系统可以仅使用笔记本电脑的GPU来运行。为了确保实时性，他们使用了可扩展性极强的Overfeat[21]CNN检测器，通过有效复用每层的卷积结果，在网络中的单个正向通道中模拟滑动窗口检测器。其他检测系统，如R-CNN[16]，则依靠选择多达1000个候选窗口，每个候选窗口独立评估，不能重复卷积结果，所以难以做到实时性。他们使用L1损失来训练回归器，并使用小批量随机梯度下降进行优化，而学习率由动量调度器的一个变种[11]控制。
Overfeat检测器能够相对准确和迅速地对物体进行定位和检测，将一条完整的车道视为一个个的线段后，通过训练卷积神经网络来识别出长度有限的线段（并非完整的车道线线段），再利用DBSCAN将一连串的小线段聚类成完整的车道，既可以进行车道线识别。在采集了大量的数据进行训练后，验证出该方法达到了较高的精确度，但他们也发现了立交桥和阴影效果会对检测产生极大的影响。
