1.一种基于快速霍夫变换的路口斑马线检测方法，其特征在于，包括以下步骤：步骤1、采集公路图像，对公路图像进行灰度处理，得到处理后的n×n图像矩阵G，n代表G中的行数和列数；

步骤2、对G进行高斯滤波操作，得出更新后的矩阵G′；具体步骤如下：

步骤21、定义模糊半径r和大小为r*r的模糊矩阵，利用高斯函数计算模糊矩阵中每个元素的值，r＜n且r为奇数；

步骤22、对模糊矩阵中的元素做归一化处理：计算模糊矩阵中元素的和sp，并将模糊矩阵中每个元素除以sp，得到归一化后的模糊矩阵P；

步骤23、定义矩阵G′＝G，计算更新 从而

得到更新后的矩阵G′，矩阵G′为n行n列；其中，

为向下取整，P(i′,j′)代表P中第i′行

和第j′列的元素，G(i′,j′)代表G中第i′行和第j′列的元素，G′(i,j)为矩阵G′中第i行和第j列的元素；

步骤3、对步骤2得到的矩阵G′做边缘检测；具体步骤如下：

步骤31、计算G′(i,j)的水平方向梯度dx(i,j)＝G′(i,j+1)-G′(i,j)；

步骤32、计算G′(i,j)的垂直方向梯度dy(i,j)＝G′(i+1,j)-G′(i,j)；

步骤33、计算G′(i,j)的梯度值 和梯度方向

步骤34、对矩阵G′中每个元素的梯度值进行非极大值抑制：对于G′(i,j)，若在α(i,j)方向上的若干个元素梯度值当中，d(i,j)为极大，则G′(i,j)＝255；否则G′(i,j)＝0；

步骤4、用双阈值算法对矩阵G′中的边缘进行连接，具体步骤如下：

步骤41、定义一个高阈值λ，对矩阵G′中的元素按梯度值进行排序，排序后的元素个数为M个；取排序后的前ω*M个元素中梯度值最大的元素，该元素所对应的梯度值作为λ的值，其中，0.6≤ω≤0.8，且ω*M向下取整；扫描矩阵G′中的每个元素，对于元素G′(i,j)，若d(i,j)＜λ，则G′(i,j)＝255，否则G′(i,j)不变；

步骤42、定义一个低阈值μ，且 对G′中元素值为0的元素做判断：若与该元素距离为1的邻域内的元素值都等于255，则将邻域内的元素梯度值与μ比较，将梯度值大于μ的元素的值赋为0；

步骤43、重复步骤42，直到对矩阵G′中所有的元素都判断完毕；

步骤5、对矩阵G′中的元素进行快速霍夫变换；具体步骤如下：

步骤51、在矩阵G′中任取一个G′(i,j),判断G′(i,j)是否等于0，若是则把该元素加入集合S中，执行步骤52，否则重新执行步骤51；

步骤52、记新加入集合S中的元素为Q，依次对Q的邻域内的元素进行判断，若Q的邻域中存在像素点的值等于0的元素，且该元素不属于集合S，则将该元素加入S中；

步骤53、重复步骤52直到集合S不再扩大为止；

步骤54、选取集合S中距离最远的两个元素作为线段s的端点，线段s的端点坐标分别记为(x1,y1)和(x2,y2)，计算集合S中该线段最大的偏离距离d＝max{[(y3-y1)(x2-x1)-(x3-x1)(y2-y1)]/L}，(x3,y3)为集合S中元素的坐标且步骤55、定义偏离比 若集合S的偏离比R＞φ,则以(x3,y3)为分割点，将原线段s进行二分割，分割成以(x1,y1),(x3,y3)为端点的线段s1和以(x3,y3),(x2,y2)为端点的线段s2，并将集合S中元素的坐标点靠近s1的元素分为一个子集，靠近s2的分为另一个子集；

对于每个子集合，用该子集合替换步骤54和步骤55中的集合S，并重复执行步骤54和步骤

55；若R≤φ，则当前子集SK确定一条直线，K初始值为1，每当一个集合能确定一条直线K就自增1，φ为比率阈值；

步骤56、经过步骤55，集合S被划分成若干个子集：{S1,S2,...,SN}，N为S被划分成的子集个数；取矩阵G′的第n行第1列元素的左下方任意一点作为坐标原点(0,0)，以矩阵G′的行方向为x轴正方向，以矩阵G′的列方向为y轴正方向，构建出平面直角坐标系，使得矩阵G′位于该坐标系的第一象限；在步骤55得到的每个子集中，选取υ个元素，过这些元素作与x轴负方向且直线向上方向的夹角为1度到180度的直线，以<距离，夹角>的形式记录坐标原点(0,

0)到每条直线的距离和每条直线向上方向与x轴负方向形成的夹角；

步骤57、对于每一组<距离,夹角>，统计与其在距离和夹角上都相同的<距离，夹角>的个数，若个数大于ε,则该<距离，夹角>确定一条直线，ε为一条直线上的元素个数阈值；

步骤6、统计矩阵G′中直线密集的区域，将该区域作为斑马线所在的区域，具体步骤如下：步骤61、对步骤57确定出的若干条直线，统计在1度到180度上每个角度所对应的直线数量：若某一直线向上方向与x轴负方向的夹角为α°，则α°对应的直线数量加1；

步骤62、对同一角度上的所有直线按离原点(0,0)的距离从小到大进行排序；对于每一个角度，按照距离从近到远扫描该角度上的所有直线：定义计数变量cnt＝1，从第2条直线到最后一条直线逐条判断，若当前判断直线与前一条直线距离在γ以内，则cnt＝cnt+1,否则cnt＝1；对该角度上所有直线判断完毕后，若cnt＞δ，则选定该角度的直线所在区域为斑马线区域；否则该角度上不存在斑马线区域，δ为直线数量阈值，γ为直线间的距离阈值。

2.根据权利要求1所述的一种基于快速霍夫变换的路口斑马线检测方法，其特征在于，所述步骤1具体如下：采集公路图像，对公路图像中每个像素点的红、绿、蓝三个色彩值取平均，取得的平均值作为该像素点的灰度值。

3.根据权利要求1所述的一种基于快速霍夫变换的路口斑马线检测方法，其特征在于，所述步骤21中高斯函数为： 其中，α为调节参数且代表模糊矩阵中元素的离散程度，Δx为模糊矩阵中的元素与模糊矩阵中心点的横坐标方向的距离，Δy为模糊矩阵中的元素与模糊矩阵中心点的纵坐标方向的距离，e为自然底数。

4.根据权利要求1所述的一种基于快速霍夫变换的路口斑马线检测方法，其特征在于，所述步骤4中ω＝75％。

5.根据权利要求1所述的一种基于快速霍夫变换的路口斑马线检测方法，其特征在于，所述步骤5中υ的取值为4或5。