智能交通和车载智能平台的研究是近年来非常的热门话题。基于视觉信息下的车载智能安全辅助驾驶系统的研究更是备受重视的课题。由于其应用背景的特殊性,基于视觉的车道标识线识别是汽车智能驾驶中比较关键和基础的研究内容。现阶段很多的车载终端产品如导航仪都是在嵌入式设备上实现的,它具有广阔的市场前景和应用前景。由此可见,在嵌入式系统上实现基于视觉的车道标识线识别具有很高的研究与应用价值。本文对车道标识线识别的关键技术进行了深入的研究。制定和优化了视觉数据的输入传输和存储模块,这使得嵌入式系统方案中获取的视觉图像的帧率能够达到每秒十帧。这对系统功能的实现满足实时性要求起到关键的作用。本文介绍的车载系统能够依据视觉信息控制小车前进、后退、转弯等操作,并针对嵌入式车载的视觉系统获取得到的实时视觉图像进行算法上的分析,制定算法实现的方案和流程,极大的降低了该算法的复杂度,同时增强了该算法的可靠性。本文主要研究了以下内容：1.车载智能系统的视觉信息处理是本文研究的重点,系统方案的制定和优化以提高系统视觉数据的帧率、保证系统的实时性为第一目标。视觉系统包括摄像头的接入,视觉数据的编码,视觉数据格式的转化,以及视觉数据的传输和存储。2.基于SOPC系统实现的车道标识线识别算法是本文的核心内容,为此本文提出了基于边缘检测和区域增长为核心的车道标识线识别算法。该算法针对本课题选取的ROI区域中的车道标识线进行处理,所得到车道标识线的直线方程以及车道标识线的曲度值。为车载系统实现自动行进、转弯、离道报警提供控制数据。3.根据系统的功能需求,本文设计了基于视觉信息的车载智能系统的具体功能模块,并在Visual Studio2005下进行算法的仿真,在Quartus II9.1和Nios II9.1的开发环境下实现了整个系统的硬件工程模块和软件功能部分,使得系统在SOPC平台能够实时地实现车道标识线的识别与车载智能系统的控制。