视觉导航是智能车辆研究领域的关键技术,车道线识别是实现自主导航的重要组成部分,而实时准确的道路识别算法成为了国内外学者研究的重点。本文针对一些道路识别算法实时性不高、稳定性不好及识别率低的问题,对结构化道路的车道线识别与跟踪进行了研究。通过理论和实验的论证,本文提出了一种实时性高、稳定性好的道路识别算法,能为自主无人车控制系统提供准确的控制决策。因此道路识别技术的研究对无人车自主导航系统具有重要意义。本文为了适应不同道路环境下车道线的识别,针对结构化道路环境主要做了以下几个方面的研究：对摄像机采集的道路图像进行图像预处理；车道线的识别与跟踪检测；摄像机标定技术研究。为了提高车道线识别的实时性和准确性,文中在道路图像预处理阶段进行了图像灰度化、双边滤波、边缘检测、OTSU(最大类间方差法)图像分割处理,从而滤除图像中的噪音和干扰因素,保留目标图像的边缘信息。其次对道路图像车道线进行识别与跟踪检测,识别算法首先要对道路图像中的线段进行判断,通过改进的霍夫变换分段提取道路边界点；确定车道标志线的感兴趣区域,利用双曲线模型进行车道线模型匹配,通过最小二乘法对车道线进行拟合重建,完成车道线的标识。该算法对直线道路识别有很好的效果,但是为了实现弯曲道路的识别和车道线的跟踪检测,在算法中融入了扩展的Kalma滤波进行车道线的预测跟踪,通过对当前图像预测估计下一时刻车道线的位置信息,并且能识别判断出车道线的走向(左转或右转),提取有效的道路信息进行车道线的跟踪。最后,使用平面标定法标定摄像机,方法简单误差小,通过摄像机的内外参数与算法的参数确定车道线的位置信息,实现道路环境的视觉理解。通过大量的仿真实验对算法的可行性进行验证,实验结果表明,道路图像处理的实时性和稳定性能满足课题的要求。实验过程中对不同道路环境进行车道线识别跟踪实验,算法对直线道路、弯道、车辆遮挡、阴雨天气、车道线破损的道路环境都准确快速的识别出车道标线,本课题的研究成果具有重要的理论意义和工程应用价值。