随着汽车产业和5G技术的飞速发展,辅助和自动驾驶技术从研究走向落地。但截至2021年,自动驾驶技术整体仍处于从部分功能智能化到受限无人驾驶的过程中,尚无法完全解决交通拥堵和事故频发的问题。为了改善交通问题和提高人们的驾驶体验,自动驾驶仍是国内外研究热点。其中,车辆定位作为自动驾驶中的关键技术,能够帮助车辆在路线导航中自动变道,对驾驶决策和安全性都极为重要。在车辆视觉自车定位技术中,经常会出现因其他车辆遮挡和噪声而难以定位的问题,本文首次提出一种结合道路模型,通过虚实配准实现车辆在结构化道路上精准定位的方法。本算法主要分为三个阶段:道路模型构建、车道线检测与虚实配准跟踪,以及车辆定位。第一阶段:通过标准公路模型进行道路建模,并对道路模型进行改进。第二阶段:针对第一帧图像无法追踪的情况,提出并设计了一种基于消失点和累计概率霍夫变换的多车道线检测算法,通过虚实配准实现跟踪。第三阶段:根据虚实配准跟踪算法,获取前后帧数据关系和映射关系,实现车辆定位。实验证明,本文提出的虚实配准方法在路面车道线被大面积遮挡的情况时拥有良好的实验结果,同时准确计算了车辆的位置,实现了车辆在复杂交通路段的精准定位。本文算法的主要贡献在于:1.首次提出了一种基于标准高速公路道路模型,通过车道线虚实配准实现车辆精准定位的方法。并根据实际需求对道路模型进行改进,进行理论分析和实际验证确认了该方法的可行性。2.提出了一种基于消失点和累计概率霍夫变换的快速车道线检测算法,能够准确的获取初始车道线的位置;在后续帧中使用自适应离散ROI的方法,克服以往算法中固定感兴趣区域的缺点。3.提出一种结合光流法和NCC的虚实配准方法,针对道路模型的特点,在处理道路模型和实际路面匹配问题时,有效提升检测的精度和速度。本论文首先阐述了辅助与自动驾驶系统、车道线检测技术和车辆定位技术的研究背景、研究现状和进展;其次介绍了本文的研究内容和算法流程,提出了道路模型的构建方法并加以改进;再者简要介绍初始帧多车道线检测算法,并详细分析了结合光流和NCC的虚实配准方法在道路模型图像和实拍图像匹配中的优势;最后实现车辆定位,并对实验结果进行了分析和讨论。