道路交通标线的检测与车辆的车道级定位,是智能交通系统中的一项重要研究内容。道路交通标线,包括车道线以及地面交通标志等,给驾驶员提供了准确的道路指引信息;结合车道级定位,驾驶员可以提前对行驶路径进行规划或错误修正。针对这两方面内容,本文研究了道路交通标线的检测与车辆的车道级定位方法。首先,研究了基于单目视觉的道路交通标线检测识别方法。首先对单目摄像头进行标定,获取摄像头原始图像对应的实时逆透视图像,消除因成像原理造成的透视效应。在逆透视图像的基础上,分别研究了车道线和地面交通标志的检测方法。其次,传统方法对强光、逆光、阴影、车道线磨损遮挡和车辆障碍物等干扰检测不鲁棒,针对这些场景下存在的问题,本文提出了一种基于自定义投票空间的车道线检测方法,采用二维高斯滤波和分位数二值化的处理方法消除光线、阴影等恶劣情况的影响,提高了算法的鲁棒性。随后,研究了地面交通标志的检测方法。地面交通标志具有明显的边缘几何形状轮廓特征,目前主要采用的是模板匹配和机器学习的方法,采用的特征有Hu矩、Zernike矩等低维矩特征,但采用矩特征准确率不高。针对这个问题,本文对比了模板匹配和机器学习方法,提出了一种Hu不变矩和Zernike矩的混合特征进行SVM训练学习的方法,使用多分类器进行地面交通标志的识别与分类,提高了检测效率和识别准确率。最后,研究了车道级定位的问题。目前的定位方法多采用高精度GPS或者激光雷达点云匹配方法,但是高精度GPS成本高,激光雷达非全气候通用,在雨雪等情况下传感器受到较大影响。针对这一问题,本文提出了一种融合视觉、毫米波雷达以及低精度GPS的低成本方案。使用单目摄像头检测车道线,使用毫米波雷达检测道路两旁的连续边界障碍物以提取道路边界,根据低精度GPS和OSM地图,结合车道线和道路边界的检测结果,进行车道级的定位。