1.一种车道线的检测方法，其特征在于，包括如下步骤：步骤1：对输入的图像进行高斯金字塔处理；

步骤2：设定图像感兴趣区域ROI并对其进行灰度化处理；

步骤3：对图像进行Canny边缘检测和改进的Harris角点检测并对角点进行去除；

步骤4：采用限制线段角度条件对其中的线段进行去除；

步骤5：对图像中的线段采用拟合的方法，得到相应的车道线。

2.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤1具体包括：步骤1.1：对图像进行一次高斯平滑处理；

步骤1.2：去除图像中的偶数行和偶数列；

步骤1.3：连续循环步骤1.1和步骤1.2两次，得到一张新图片。

3.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤3具体包括：步骤3.1：采用Barron算子计算图像中每一个像素在X方向和Y方向上的梯度，具体公式如下：

其中，fx表示图像f(x,y)的X方向梯度，fy表示图像f(x,y)的Y方向梯度， 表示卷积计算；

步骤3.2：计算图像X和Y方向梯度的乘积和各自方向的平方，分别表示为fxfy、 和步骤3.3：采用B样条滤波函数对 和fxfy进行加权生成矩阵M的元素A、B和C，表示为：

其中， 表示图像f(x,y)的X方向梯度的乘积， 表示图像f(x,y)的Y方向梯度的乘积，fxfy表示图像f(x,y)的X方向梯度与Y方向梯度的乘积，L表示B样条的3x3滤波模板， 表示卷积计算，A表示由L卷积 得到，B表示由L卷积 得到，C表示由L卷积fxfy得到；

步骤3.4：计算每个像素的Harris响应值R，并对大于某一阈值T的R(x,y)置为零，公式表示为：

2

R＝[det(M)‑k(trace(M)) ]>T其中，k一般取0.04，det(M)是矩阵M行列式的值，tr(M)是矩阵M的迹；

步骤3.5：在3×3或5×5的邻域内进行非最大值抑制，同时选取局部极大值；

步骤3.6：同时满足R(x,y)大于一定阈值T和R(x,y)是某领域内的局部极大值这两个条件，则被认为是角点；

步骤3.7：对检测到的角点进行去除，得到若干的线段。

4.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤4具体包括：根据步骤3中得到若干线段，通过Hough变换提取这些线段的斜率k，车道线相对于水平方向的夹角在合理度数(θ1，θ2)之间，对于线段与水平方向的夹角不在这个范围中的线段进行去除，公式如下：

θ1<|arctan(k)|<θ2。

5.根据权利要求4所述的车道线的检测方法，其特征在于，所述θ1为45°，θ2为90°。

6.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤5利用最小二乘法对所述线段进行拟合，得到最终的车道线。