對于傳統的Hough 變換， 需要對每個點每個角度進行遍歷， 這樣比較耗時。本文采用改進的Hough 變換， 對消失點及其周圍的有限個像素進行Hough 變換， 求取左右車道線的兩個峰值點，并繪制出車道線。該方法能夠有效地抑制圖像的其他邊緣噪聲干擾，提高算法的實時性。車道檢測結果如圖7 所示。

　　3.4 車道線跟蹤

　　跟蹤分為消失點的跟蹤和車道線的跟蹤。

　　（1） 消失點的跟蹤： 消失點一般較遠， 車輛在行進過程中消失點范圍變化不是很大，而靠近車道線的道路兩邊由于車輛輪胎接觸較為頻繁， 紋理較為明顯， 對消失點的貢獻較大。因此， 隨機選取靠近車道線兩邊100 個點對消失點及其周圍的若干個點（ 本文選取36 個點） 進行投票，如圖8 所示。

　　（2）車道線跟蹤：根據上一幀測量的結果，限定角度在一定變化范圍內（本文限制在10°范圍，如圖8（b）所示）進行Hough變換，這樣大大減少了運算速度。當圖像檢測的消失點及車道線上的點少于所設定的閾值時，程序重新初始化。

　　4 車道識別

　　本文在應用的基礎上對合肥以及沈陽的BRT車道進行統計，其BRT車道相對其他車道具有如下特點：其左右車道線都為黃色，一般位于路的兩邊，道路的兩邊有欄桿或者路牙等特征。基于此特點，本文實現了BRT車道的識別系統，結合GPS判斷其所在位置范圍內有無BRT車道，若有則判斷車道線顏色是否為黃色，即建立顏色模型，對車道線上的每一點顏色進行標記，并綜合判斷其左右車道線是否是黃色車道線，對黃色進行標記，如圖9左圖所示。由于車道線長期受到磨損有一定的失真，且在晚上黃光燈照射下不易準確地識別顏色，本文結合其欄桿、路牙等特征識別車道，對檢測的車道線兩邊的一定區域（圖9右圖白色矩形區域）進行對比，比較其顏色邊緣紋理等特征差別。通過大量的測試，本文得到了判斷其是否為 BRT車道的先驗閾值，當矩形區域差別大于設定閾值時，則判斷為公交專用車道，從而準確實現車道檢測。