随着人工智能、大数据、移动互联网技术的发展,自动驾驶汽车已经成为车企及研究机构研究的重点。作为智能化车辆研究中的重要环境感知对象,车道标线的准确、快速识别对车辆自动驾驶及安全辅助驾驶技术研发均具有重要作用。目前,车道标线检测及识别技术已经取得了一定的研究成果,但在准确性和实时性上还需进一步完善和提高。为此,本文在已有文献调研分析的基础上,基于随机霍夫变换算法,通过降低数据集中干扰点比例以及改变选点方式对现有算法进行了改进,以提高车道标线检测的准确性和实时性,并基于采集图像数据对提出的算法进行了验证分析。主要研究工作包括:(1)车道标线边缘检测。为了降低环境噪声的干扰,降低误检率,在识别车道标线之前需要对图像进行降噪等处理。通过对包含车道标线道路图像的分析、验证,确定了适用于本研究的感兴趣区域、滤波方法及边缘检测方法。(2)车道标线模型构建及识别。依据相关法律规定,确定本研究的基本模型为直线类模型,基于该模型通过对已有车道标线识别方法的分析提出了针对直线模型的相应改进方向。(3)基于RHT的车道标线检测方法改进。本文所进行的改进策略主要基于两方面:一是基于车道标线角度信息的滤波处理,以降低干扰点比例;二是基于集中随机选点的车道标线识别算法,通过集中随机选点以解决后期计算速度缓慢的问题。(4)试验验证及分析。基于以上研究结果,本研究结合实际采集的道路场景图像进行了相应的验证及分析。结果表明,本文提出的改进方法能够一定程度上降低误识率,提高算法运行实时性。