无人驾驶电动汽车集机械技术、电子技术、自动控制技术、人工智能技术、机器视觉技术、新能源技术、新驱动技术等众多高新技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志。自主定位导航和智能行驶控制技术是无人驾驶技术的核心技术,复杂的多变的外界环境使得其成为了无人驾驶技术的重点和难点。本文以园区行驶环境为研究背景,面向低速、低成本、实时可靠的无人驾驶技术,对智能电动小车的运动控制系统软硬件,多传感器数据融合的避障技术以及小车的单目视觉的车道线检测等相关技术进行了研究。文中以车道线图像检测和识别算法为主要内容,其中包括图像的预处理、IPM视图的转换、滤波降噪、霍夫直线的检测、RANSAC和贝塞尔算法的样条曲线拟合、拟合曲线后的扩展等内容。通过提取的车道线确定智能电动小车与车道线的相对位置,对车道发生偏离时发生预警,从而实现对车道线的跟踪。将这些提取的信息与环境感知模块的其它传感器进行数据的融合旨在完成智能电动小车的自主导航。最后对车道线检测算法进行了验证,实测结果表明本文所改进的车道线检测算法比较准确稳定,对于车辆的遮挡、树木的阴影、不清晰的车道线、明显弯曲的车道线等典型不同道路环境情况能够准确检测出车道线,为智能电动小车在园区环境下自主行驶提供了可行性。