由于我国经济发展速度越来越快,家庭车辆的拥有程度越来越高,使得交通安全问题日益凸显。为了提高驾驶员及乘客的安全性,安全辅助驾驶系统以及智能车成为了近年来的一个研究热点。智能车在无人驾驶的情况下需要感知外部环境,而路面标线是外部环境中的一个重要信息,因此路面标线检测具有非常重要的作用。路面标线检测技术是通过获取智能车辆前方的道路场景,来实时检测路面标线,从而使智能车辆能够正常安全行驶。本文通过安装在智能车上的单目摄像头采集的道路图像来对路面交通标线进行检测,其检测对象包括车道线、人行横道、停止线,主要研究内容包括以下三点：(1)研究了图像的逆透视变换方法：分析车体坐标系和图像坐标系之间的变换关系；求取图像像素坐标和实际物理距离之间的转换公式；以及对道路图像的感兴趣区域进行逆透视变换。(2)改进了基于HSI颜色空间的阈值分割算法：分别在H、S和I分量中,结合OTSU白适应阈值分割方法,分割出路面标线；将分割图像与边缘检测信息融合处理,得到道路的二值化图像。(3)研究了车道线、人行横道和停止线的检测算法：运用改进了的概率霍夫变换获得二值化图像上的直线坐标,对其进行特征匹配,从而检测得到车道线；设计了基于双极性和特征融合的人行横道检测算法,通过双极性提取出人行横道候选区域,基于人行横道的宽度、高度以及角度等特征进行多特征融合,从而检测得到人行横道；提出了基于灰度图像的停止线检测算法,通过选取模板核进行卷积滤波来搜索停止线的特征点,利用停止线的宽度不变性来匹配其特征点,从而得到停止线候选区域,最后对该候选区域进行霍夫变换检测出停止线。通过实验分析表明,本文研究的路面标线检测算法具有较好的实用性,能够适用于多种环境状况,满足实时性的要求。