随着社会经济和科技飞速发展,人们的收入和生活水平也得以提高。在这个信息发展的时代,人们越来越重视”时间”这一概念,节省时间也成为人们重点考虑的问题,因此,人们对便利的交通环境要求日益增长,从而汽车保有量则会大大增长,直接导致道路交通安全问题变得十分严峻,因此,人们越来越重视道路交通的安全问题。随着计算机视觉技术的发展,通过计算机视觉技术来提高道路交通安全水平已经成为世界各国积极研究的重要内容之一。车道线检测系统作为智能预警系统的基础,为车辆驾驶安全系统提供了重要的保证。本文硬件开发平台以瑞泰创新公司研发的ICETEK-DM6437-A4板卡为核心,采用以SONY Super HAD型号的图像传感器的大华DH-CA-F48-E型枪机摄像机作为图像采集的输入端,利用图像处理技术,通过DSP软件开发平台CCS进行车道线检测与识别的算法编写与研究。主要工作如下:首先,介绍了车道线检测系统所需的硬件平台TMS320DM6437、软件开发工具CCS以及基于硬件平台算法优化方法。其次,介绍了图像预处理部分。为了提高车道线检测算法的效率,需要对采集来的道路图像进行预处理,通过对比高斯滤波、中值滤波以及均值滤波的处理效果,选择高斯滤波作为本文的图像去噪算法,为了减少与目标无关的数据,对图像有效区域进行了选择,为了增强图像中车道线和背景之间的对比度,利用直方图均衡化的方法将图像中较集中的灰度等级进行均衡拉伸。在边缘提取阶段,对比六种检测算子对结构化道路图像中车道线边缘的检测的效果,本文选择了高斯拉普拉斯算子对图像中物体边缘进行检测。最后,基于硬件平台利用最小二乘法和传统Hough变换实现对结构化道路中车道线的提取,当存在干扰时,最小二乘法拟合车道线的结果产生较大的偏差,虽然利用传统Hough变换实现对车道线进行提取的效果较好,但是算法计算量偏大,导致实时性很差,为了改善其实时性,通过限定车道线的极角极径的搜索范围,滤去无用的数据信息,减少了计算所需的数据量。通过实验,改进的Hough变换算法的实时性得以提高,但还是达不到车载设别实时性的要求,故提出基于Gabor变换和初始化搜索区域的检测算法,利用Opencv对算法进行编写,实现对结构化道路中的车道线的检测,通过实验证实该算法的实时性以达到车载设备的要求。