随着道路环境的改善和汽车保有量的增加,汽车给我们的生产、生活带来了极大的便利和巨大的经济效益。同时,交通事故所造成的人身伤害和经济损失也不容忽视。因此,人们在不断的改进汽车安全技术,减少交通事故。近年来,车辆智能辅助驾驶受到研究人员的高度重视,得到了快速发展和广泛应用,特别是计算机视觉、车辆传感、通信控制等技术的发展,使得采用技术手段避免交通事故发生具有可行性和有效性。车道检测作为车辆智能辅助驾驶的关键和基础技术,是该领域的研究热点,本文在现有车道检测算法的基础上做进一步地研究和改进。为更好、更快的获取车道信息,对不同的图像预处理方法进行分析和筛选,选择处理速度快、效果好的方法。对比不同边缘检测算子的优缺点,选取Sobel边缘检测算子检测车道边缘,并根据车道线在图像中的特点对其进行改进。采用最优阈值法对图像二值化,提高车道检测算法对道路环境的适应性。利用形态学方法对前期处理的图像腐蚀膨胀,消除孤立点噪声,得到骨架化的车道图像。在车道检测跟踪过程中,本文提出一种基于线性预测自适应感兴趣区域的车道检测算法。首先利用Hough变换稳定、精确的优点,采用一次约束条件的Hough确定车道线的起始位置,然后根据Hough变换所得参数,结合最小二乘直线拟合,线性预测车道方向,确定车道检测的左右自适应感兴趣区域(AROI-Adaptive Region of Interest),减少非车道噪声干扰,实现车道检测。在车道拟合跟踪阶段,根据车道方向变化的大小判别采用最小二乘直线或曲线拟合车道线,由感兴趣区域对车道进行跟踪。以上方法可以在准确检测车道的前提下确保算法的实时性,克服现有车道检测算法感兴趣区域固定的缺点,同时实现对直道和弯道的检测和跟踪。实验表明,本文算法能够快速有效地检测车道,正确率达到了98.35%。特别是在试验场路况较差、弯道和车道破损等情况下显示了优越效果,具有良好的实时性、准确性和鲁棒性,非常实用。