车辆智能辅助系统的研究近年来一直是相关领域的热点,而基于机器视觉的系统因其成本的低廉性,而被广泛地应用。车道线的检测和预警系统是车辆智能辅助系统重要的组成部分,本文将重点对这一部分进行研究和算法的实现。具有实际应用意义的车道线检测系统应该具有实时性,鲁棒性和实用性三个特点。　　本文通过单目摄像机完成对道路图像信息的采集,选择的车道线模型是直线模型。为了提高系统的鲁棒性,在图像预处理阶段本文对道路图像的环境进行了大致的分类,并根据各个类的特点安排相应的预处理算法,使系统对环境的变化有一定的适应性。在车道线检测阶段,采样用抗干扰性较好的Hough变换完成对直线的检测,并通过长模式和角度的约束筛选出候选的车道线。在正确检测到车道线后,建立动态的ROI区域对车道线进行跟踪,简化算法。　　为了保证整个系统实时性,本文在算法的整体框架中引入了一种扩散性搜索区域。在纵向上,扩散性搜索区域划分为透视区域和辅助区域,其中透视区域是主要的信息来源区域,该区域的信息将通过透视变换投影到路面坐标平面再进行分析;在横向上,扩散性搜索区域划分为限定区域,其中包括警告区域和左右安全区域。扩散性搜索区域和动态ROI区域的联合运用,使系统以一种扩散性搜索的方式搜索车道线信息,目的是使算法在最小的区域内搜索到足够多的车道线信息,保证参与计算的图像像素点数的最少化,从而减少系统的计算量,提高实时性。　　在论文的最后,本文对各种分步算法进行整合,并对采集到的大量的道路图像和视频进行仿真实验,验证算法的可行性,并对系统性能进行分析。