在车辆智能化驾驶的过程中,车道线检测是环境感知的重要技术内容之一。以车道线检测技术为基础实现的车道偏离预警和车道保持等高级辅助驾驶系统,能够有效减少事故碰撞的风险。在自动驾驶车辆中,车道线检测技术作为辅助手段,为其指明行车区域。本文对车道线检测技术的研究现状进行了总结,探讨了车道线在图像中所表达出来的特点及检测难点。顾及车道线检测实时性、准确性和鲁棒性的要求,结合相机成像模型,提出了基于灭点方向的车道直线检测方法,及直线和贝塞尔曲线组合的车道线模型估计方法。论文具体研究内容包括以下几个方面:1)以灭点方向与车道线区域互相迭代的方式完成车道直线的检测。结合相机成像模型,根据局部统计特征保留较为完整的车道线结构,并剔除明显干扰特征。基于灭点的导向作用,通过直方图统计设计车道线可信区域的提取方法;并在可信区域基础上,重新对灭点方向进行估计。迭代这一过程直至稳定。通过代价函数完成车道中心直线的筛选。2)建立直线和二次贝塞尔曲线组合的车道线模型。基于已知车道中心直线完成对二次贝塞尔曲线的两个节点的确定,并用粒子滤波直接完成对贝塞尔曲线最后一个节点的估计。在曲线估计过程中,为保证曲线的稳定性,用与灭点的距离表示最后一个节点以关联两侧车道线,在一次粒子滤波过程中完成估计,同时也保证了实时性。根据车道线统计分布特征对粒子权重的计算进行设计。3)为了保证实时性,在涉及全幅图像的操作中,如特征提取、噪声滤除和似然度计算等等,针对行扫描线的特点,设计使用邻域均值及统计为基础进行处理,能够通过递推方式实现,减少计算时间;并以Bresenham直线表示方式构建不同长宽的直线坐标映射空间,提高直方图统计过程的效率。4)最后,在公开数据集和武汉大学的实车数据集上进行了算法实验。实验结果表明,本文算法能够满足不同场景下的车道线检测需求,具有良好的实时性、准确性和鲁棒性。