随着汽车数量的迅速增加,行车安全已经越来越受到人们的重视,其中车道线识别与追踪算法也成为研究的热点领域。传统的车道线识别与追踪算法主要针对良好环境,而对于雾天等不良环境的研究甚少。针对雾天环境下车道线图像路面与车道线的对比度远低于正常环境,给车道线识别与追踪带来困难的问题,本文对雾天环境下车道线识别与追踪算法进行研究,主要研究内容如下:(1)对雾天环境下成像原理以及图像去雾的算法进行研究。针对传统暗通道去雾算法实时性差的问题,提出一种基于形态学腐蚀运算的暗通道去雾算法。与传统去雾算法相比,该算法可以实现快速、准确图像去雾。(2)对于不同类型的车道线,本文采用不同的识别算法。对于直道,选用直线模型,针对传统Hough变换识别车道线存在不准确、实时性差的问题,提出一种基于极角约束和分类判别Hough变换的车道线识别算法。实验结果表明,该算法不仅只对本车道两侧车道线进行识别,而且在实时性上得到提升。对于弯道,选用抛物线模型,首先针对粒子群算法存在过早收敛的问题,用混沌理论对粒子群算法进行改进;然后利用车道线与路面灰度值的差异设计车道线目标函数;最后采用混沌粒子群算法对目标函数中参数优化。实验结果表明,该算法不仅可以对不同情况的弯车道线进行识别,而且满足实时性的要求。(3)为了提高车道线追踪的实时性,本文根据相邻两帧之间车道线相差不大的特点,利用上一帧的识别结果对下一帧图像做预测,通过混沌粒子群算法对车道线进行追踪。实验结果表明,该方法可以快速、准确的对车道线进行追踪。(4)本文设计的雾天环境下车道线识别与追踪算法具有重要的理论意义和应用价值。