车道智能识别是ADAS领域中非常重要的研究部分。通过OBD前置摄像头录制的实时车道视频,基于单目机器视觉的车道智能识别技术通过算法程序的分析对所录取的视频中的车道进行实时、快速地智能识别,通过视觉或听觉的方法提醒驾驶员车辆偏离车道的情况,避免危险。本文针对ADAS中的关键部分车道检测做了充足的试验和研究以及其他相关调查,最终目标是希望研究出一种可以运用于高速公路上ADAS车道检测方法。最终这种方法可以消除视频中没用的部分,但是又不会错误识别出车道视频中需要识别和处理的部分的车道视频处理方法。论文首先将介绍录制实际实时车道视频中所用到的摄像头的种类和参数信息,在此之后列举出单目摄像头视频处理过程中已经普及的灰度化处理作为其预处理方法,并根据实际运用场景做出改进。然后采用中值滤波的图像平滑处理方法去除过程中产生的噪声,接着比较视频处理中普遍的边缘检测算法Roberts算子、Sobel算子等,在多方面的对比后本文方法后选用了Canny算子作为本文图像边缘强化方法,结尾时对图像进行二值化处理时本文选取最大类间方差法,自此录制视频的所有预处理过程完成。车道线边缘检测方面,在使用Hough变换粗检测之后,然后使用最小二乘法将点集拟合成直线,同时还融合了创新的最小特征根直线检测从而组成改进的Hough变换。交通标志检测方面,用改进的道路标志扫描方法对道路标志复原,并结合车道标志复原准则得到完整的交通标志为接下来的识别做准备,鉴于同时会对车道线做出检测所以选择车道线候选标志检测方法作为本文识别交通标志的方法。本文的改进方法,通过实际操作的验证,可以较好地处理车道检测在实际生活中遇到的困难,并且在反应处理时间上和抗干扰性方面有较好的表现。