1.一种基于单应性变换和特征窗口的车道线检测方法，其特征在于，包括以下步骤：(1)获取视频图像，在保证清晰度的基础上，缩小图像的尺寸并固定其大小，得到IMG0；

(2)利用拍摄的棋盘图像，计算出对应摄像机矩阵和畸变系数，对图像的失真进行校准，得到校准后的图像IMG1；

(3)设置六个顶点坐标，对IMG1进行多边形填充，得到一块包含车道线的梯形ROI区域的图像IMG2，将ROI区域外的像素置为0；

(4)采用多特征融合方法，即融合IMG2图像中车道线的颜色特征，直方图均衡化特征和梯度特征，得到图像IMG3，对IMG3进行高级形态学闭操作，得到处理后的二值图像IMG4；

(5)按逆时针方向，设置四个顶点坐标，对IMG4图像进行单应性变换，将ROI区域内的车道线图像投影到平面，得到变换后的包含车道线的平面二值图像IMG5，其尺寸和IMG0相同；

(6)基于特征提取窗口的车道线检测，对IMG5图像进行直方图统计，根据统计的峰值确定左，右车道线特征提取窗口的起始位置；在IMG5图像上，从起始位置，自底向上统计窗口内的非0像素点；对统计的左，右两条车道线像素点分别进行二次多项式拟合，以此确定左右车道线的边界；若在当前帧中同时检测到左右车道线，设置一定的横向偏移量，在已经拟合的车道线横向偏移量范围内寻找新的非0像素点，用于下一帧图像中车道线的拟合；

(7)在IMG5图像上，对左右车道线中间的像素点进行颜色标记；然后对IMG5进行透视变换，将标记后的车道线区域投影在图像IMG1上得到IMG6，实现车道线检测追踪的可视化。

2.根据权利要求1所述的一种基于单应性变换和特征窗口的车道线检测方法，其特征在于，所述IMG0长度范围为[750,400]像素，宽度范围为[480,240]像素。

3.根据权利要求1所述的一种基于单应性变换和特征窗口的车道线检测方法，其特征在于，所述步骤(4)包括以下步骤：(41)将IMG2从RGB颜色空间转换到HSV颜色空间，对H通道，S通道和V通道进行阈值化处理，得到处理后的二值图像；

(42)将IMG2灰度化，然后对其进行直方图均衡化操作，通过设置阈值，得到处理后的二值图像；

(43)将IMG2灰度化，使用横向和纵向的Sobel算子对图像分别进行滤波，得到处理后的图像Sx和Sy，横向和纵向的Sobel算子如下所示：其中，sobel_x为横向Sobel算子，sobel_y为纵向Sobel算子；

(44)通过公式计算Sxy，接着进过阈值化操作得到二值图像，Sxy的计算公式如下所示：式中Sx和Sy分别是sobel_x和sobel_y对IMG2图像滤波之后的结果，max()是求最大的像素值；

(45)将(41)、(42)和(43)处理后的二值图像进行像素的逻辑或运算，得到多特征融合后的二值图像IMG3；

(46)使用高级形态学闭操作，对IMG3进行形态学滤波，得到处理后的二值图像IMG4。

4.根据权利要求1所述的一种基于单应性变换和特征窗口的车道线检测方法，其特征在于，所述步骤(6)包括以下步骤：(61)设置特征提取窗口的长和宽，根据直方图统计得到的峰值点，确定特征提取窗口的起始位置，自底向上，统计窗口内的非0像素点的横纵坐标值x和y，下一窗口的起始位置根据当前窗口统计的非0像素点的所有横坐标x的均值来确定；

(62)根据窗口内统计的所有非0像素点的x和y值，拟合其二次多项式方程：

f(x)＝by2+cy+d

其中，x为车道线横坐标值，y为车道线的纵坐标值，记图像IMG5的高为H，则y的范围为(1-H)，式中b，c，d为多项式系数；

(63)当在当前帧中同时检测到左右车道线，在下一帧图像中检测车道线时，设置一定的横向偏移量，在已经拟合的车道线横向偏移量范围内寻找新的非0像素点，用于下一帧图像中车道线的拟合。

5.根据权利要求1所述的一种基于单应性变换和特征窗口的车道线检测方法，其特征在于，步骤(7)所述的实现车道线追踪的可视化过程如下：根据步骤(6)中拟合的左右车道线边界方程，对车道线中间部分的像素点进行颜色标记，然后求得IMG5转换到IMG1的透视变换矩阵，根据该矩阵，将经过颜色标的图像投影到IMG1得到图像IMG6，完成车道线追踪的可视化。

6.一种基于单应性变换和特征提取窗口的车道线检测系统，其特征在于，包括：

图像预处理模块，用于读入视频图像，重新设置图像的尺寸并固定其大小，然后利用拍摄的棋盘图像，计算出对应摄像机矩阵和畸变系数，对图像的失真进行校准；

多边形填充模块，根据定义的六个顶点，对校准后的图像进行多边形填充，得到一块包含车道线的梯形ROI区域，同时将ROI区域外像素点的值都置为0；

多特征融合模块，将输入图像的颜色空间转换到HSV颜色空间，通过设定阈值，得到包含车道线颜色特征的二值图像；将输入图像灰度化，进行直方图均衡化操作，通过设定阈值，得到二值图像；使用Sobel梯度检测算子对输入图像进行滤波，经过阈值化操作得到包含梯度特征的二值图像；然后融合以上三种特征，再对融合特征后的图像进行形态学滤波，得到最终处理后的二值图像；

车道线边界拟合模块，计算输入图像的直方图，根据直方图的峰值点确定左右车道线特征提取窗口的起始位置，对左，右车道线分别使用车道线特征提取窗口，从起始位置，自底向上统计窗口内的非0像素点；对统计的左，右两条车道线像素点分别进行二次多项式拟合，以此确定左右车道线的边界；若在当前帧中同时检测到左右车道线，设置一定的横向偏移量，在已经拟合的车道线横向偏移量范围内寻找新的非0像素点，用于下一帧图像中车道线的拟合；

车道线区域可视化模块，根据拟合的左右车道线方程，对左右车道线中间区域的像素点进行颜色标记，然后对处理后的图像进行透视变换，将该图像投影在原始输入图像上，实现车道线检测追踪的可视化。