基于视觉的道路识别技术是智能汽车实现自动防撞功能的基础,也是国内外自动控制研究领域的热点。本文针对以TI公司TMS320DM6437处理器为核心构建的汽车视觉系统为硬件平台,通过理论分析、仿真和实验,对道路识别算法进行了可靠性和实时性研究。本文首先对国内外的智能汽车发展现状简单介绍,同时重点对国内研究机构道路识别技术成果进行了分析,根据研究中存在的难题提出了本文研究的具体方案以及目的和意义。本文以结构化道路车道线的提取为主,重点在于道路识别算法的实时性能提高。在图像预处理阶段,首先根据道路视频图像的特点,采用了灰度变换和图像有效区域划分方法以减小图像处理的信息量；接着对中值滤波算法以及Sobel边缘增强算法进行了效率改进,以提高算法的实时性,同时对图像作对比度增强处理提高目标对象与背景的特征差异。在车道线提取研究中,针对图像的特征,结合采用的预处理算法,为减小算法的复杂性,根据图像直方图特征选取阈值,分割道路图像；在道路直线匹配算法中选择将Hough变换与最小二乘方法相结合的方式,使算法同时满足可靠性和实时性要求,此外还利用道路跟踪算法预测车道线的感兴趣区域,降低算法处理的数据量。研究中,算法仿真实验由在VC++平台调用开源机器视觉库Open CV对道路模拟视频序列处理完成,以验证理论分析结果的正确性；最后根据算法的实用平台,对通过仿真实验验证的算法采用C语言编写算法程序,同时针对处理器结构特点以及编译器性能对算法程序进行优化,提高算法编译执行的实时性。