视觉导航是智能车辆导航的一项关键技术，本文针对智能车辆视觉导航系统研究了基于单目视觉的图像处理和分析的道路检测和跟踪算法。论文介绍了智能车辆的研究背景、研究意义、当今国内外的发展现状、发展趋势和难点。本文利用视觉传感器采集道路图像，在图像滤波和增强处理方面，考虑到智能车辆的实时性，对道路图像先作行方向的一维中值滤波，再作列方向的一维中值滤波，可以得到和二维中值滤波相近的结果，但是计算量大大缩小，道路边缘的特征也得到较好的保护。在图像边缘检测中，通过仿真实验比较，本文利用Sobel算子，它的优点是方法简单、处理速度快，并且所得的边缘光滑、连续。为了提高系统的实时性和鲁棒性，对图像进行二值化，通过对最佳阈值分割方法进行改进，采用迭代方法，提高了算法的抗噪声能力。为了更好的提取道路图像的车道线，提出了利用基于集合思想的数学形态学，形态学运算保证了道路区域的封闭性，同时对噪声有很好的滤波作用。对于道路图像的车道线，本文采用直线道路模型等道路约束条件，利用Hough变换进行直线特征提取，Hough变换鲁棒性好，抗噪性能力强，且能连接共线短直线。通过直线参数可以求出车辆相对车道线的位置偏移和角度偏移，接着论文提出利用卡尔曼滤波对车道线跟踪。论文还分析和讨论了基于区域生长法和边缘检测的无道路标示的道路图像的道路边界识别，整合了两种方法的优缺点，确定了车辆在道路中的位置，并确定感兴趣区域实现道路边界跟踪。利用采集的实际道路图像对本文提出的算法进行仿真实验，仿真结果表明道路检测和跟踪算法是可行的和有效的。