随着二十一世纪经济的快速发展，人们的生活水平越来越高，人们对汽车的需求量也越来越大。但是汽车在给人们带来方便的同时，也给社会带来了巨大的交通压力，导致交通事故率大幅度上升，给社会带来巨大的经济损失和人员伤亡。因此为了更好的避免交通事故的发生，智能汽车的研究显得尤为重要。在对智能汽车的研究中，路径识别是实现智能汽车广泛应用的关键。论文针对智能汽车在复杂、未知环境下的路径识别问题，研究了车辆在结构化道路和非结构化道路下的车道线识别与提取，特征匹配等关键技术，以提高智能汽车的智能水平，同时设计并实现了智能汽车软硬件系统。(1)路径图像采集方面，采用双目视觉方法来实现智能车辆的路径识别。针对摄像头的畸变系数，采用扩展卡尔曼滤波方法对摄像机进行标定，求取了摄像机的内外参数。(2)路径图像处理方面，首先针对采集的RGB图像进行了灰度化处理，对灰度图像进行了平滑滤波，消除图像的噪声，并对图像进行了拉普拉斯锐化，使滤波后的模糊图像更加清晰；其次对道路图像进行边缘检测，论文采用了Canny边缘检测算子提取图像边缘点，通过对Canny算法进行改进，采用自动提取阈值方法能够更好的提取边缘，并通过Hough变换对车道线进行提取，通过对比最小二乘和LmedSquare方法，采用LmedSquare方法对提取的车道线进行拟合，比较准确的拟合了车道线。(3)特征匹配与三维重建。研究了图像特征点的检测与匹配，针对特征点的检测与匹配，采用SIFT(Scale Invariant Feature Transform,尺度不变特征转换)特征检测与匹配算法通过匹配约束对立体图像对进行特征点提取与匹配，采用RANSAC(Random SampleConsensus,随机抽取一致性)算法去除匹配误差，提高了匹配精度，并对匹配后的图像进行了三维重建，较好的解决了图像特征点匹配不准确和视觉定位的问题。(4)视觉定位方面，本文设计并实现了模拟智能车辆的软、硬件系统，根据智能车辆的功能需求，在模型车的基础上，设计了与之相应的硬件控制系统，构成了智能车辆平台，并采用VC++6.0设计了上位机软件，通过建立的硬件平台结合上位机软件，配合路径识别算法，通过无线传输实时将处理的路径信息发送到上位机，实时检测算法的优越性。研究结果表明，本文介绍的基于双目视觉的智能车辆路径识别系统配合路径识别算法能达到较好的控制效果。