基于机器视觉的车道标识线跟踪系统研究是驾驶辅助系统研究中的一部分，该系统为车辆的自主导航、车道偏离等研究提供技术支持。基于机器视觉的车道标识线跟踪系统在采集图像时，难免会受到外界光照变化的影响。然而，随着社会的快速发展，车辆在夜间行驶的机会将会越来越多，所以，研究夜间环境下车道标识线的识别和跟踪算法显得很有必要。　　本论文的研究对象是夜间环境下车道标识线的识别和跟踪，论文的主要内容分为六个部分:　　(1)夜间车道标识线图像的对比度增强算法的研究。针对夜间环境下光照不足、对比度低的特点，在图像预处理时，很有必要对夜间图像进行对比度增强。通过对直方图均衡化的研究分析，以此为基础提出了一种改进的算法，实现了夜间车道线图像的对比度增强。经实验表明，该算法提升了夜间图像中的车道线辨识度，为后续车道识别与跟踪奠定了良好基础。　　(2)夜间车道标识线图像的边缘增强算法的研究。根据车道标识线具有边缘性可知，对图像进行边缘增强可以去除非边缘点对车道标识线提取的影响。根据车道标识线具备斜直线性及其边缘梯度方向与±45°接近的特点，选择±45°Sobel算子来增强图像的边缘。　　(3)基于Otsu算法的图像二值化处理的研究。首先利用Otsu算法求出图像的全局阈值，然后利用可变窗口法把图像分成几个大小不同的子窗口，再利用Otsu算法求出每个子窗口的局部阈值，最后把每个子窗口的局部阈值与全局阈值线性组合，得到每个子窗口最终的分割阈值，实现图像的二值化处理。　　(4)利用Hough变换识别车道标识线。二值化之后，图像主要包含车道标志线的内外边缘点和一些噪声点。本文主要是对内侧边缘点进行Hough变换，所以首先进行车道内侧边缘点的提取，接着在图像空间建立直角坐标系，最后在该直角坐标系上实现Hough变换，获得车道线的直线方程。　　(5)基于感兴趣区的车道标识线跟踪研究。分别利用动态感兴趣区法和卡尔曼滤波法进行了感兴趣区的确定，并且分析了这两种方法各自的优缺点，为了既保证系统的实时性和又保证可靠性，结合两种算法各自的优点来确定最终感兴趣区，从而完成车道线的精确跟踪。　　(6)夜间车道标识线的识别和跟踪实验。在VC++平台上引用Open CV视觉库对本文的算法进行验证，平均处理时间在95ms左右，实验的结果充分表明了本文算法的有效性。