近20年来,国家交通基础建设迅猛发展,全国高速公路总里程快速增长,交通设施日渐完备。其中高速公路车道线作为必不可少的交通设施之一,对于规范车辆行驶、降低事故发生率具有十分重要的作用。但随着高速公路投入使用年限增长,受各种天气的影响,加之高速公路上车流量大、车辆行驶速度较快,会导致车道线不同程度的磨损,给安全行驶造成隐患,因此定期巡检车道线状态,及时补修十分必要。现阶段国内高速公路车道线的缺损检测,主要采用人工巡检的方式,辅助以一定的检测设备,需要付出巨大的人力成本,且长时间的工作过程容易使驾驶员产生疲劳,难以保证观测效果,同时存在严重的行车安全问题。因此,开展基于机器视觉的高速公路车道线缺损智能检测与安全驾驶辅助研究,以实现车道线缺损检测工作的现代化、智能化和自动化,对于推动我国高速公路智能建设水平,更加完善高速公路养护体系具有重要意义。论文完成的主要工作如下:1.完成了搭载可见光相机、红外相机和GPS的车载检测系统方案设计。车载检测系统选用工控机作为中央处理器,包括数据采集、缺陷定位、人机交互和供电共4个模块,能够实现高速公路车道线缺陷诊断功能以及夜间安全驾驶辅助功能。2.采用双阈值与Hough变换相结合的图像处理算法,完成了车道线缺损智能检测。通过预处理、自适应阈值分割、Hough变换二次去噪、双阈值缺陷判断等流程,对车载检测系统获取的视频流进行分析,判断出可能存在车道线缺陷的目标帧。经过实验数据验证,该方法平均正检率为82.86%,单次判断时间小于0.1秒,能够实现高速公路车道线缺损检测功能。3.采用SSD（Single Shot Multibox Detection）模型的深度学习算法,完成高速准确的车道线缺损智能检测。构造了LM-3高速公路车道线数据集,完成了针对高速公路车道线缺陷检测的SSD模型训练。经过实验数据验证,该方法平均正检率为94.87%,单次判断时间小于0.01秒,具有优秀的准确率和运算速度。4.提出了基于二维经验模态剪切波分解（Bidimensional Empirical Mode Shearlet Decomposition,BEMSD）和改进模糊逻辑的红外与可见光图像融合算法。采用二维经验模态分解与非下采样剪切波变换结合的方法,在尺度变换中实现了对图像的强适应性;设计了与融合框架相适应的融合规则。相较于传统图像融合算法,本文方法各项客观评价指标可提高10%以上,可实现高速公路夜间行车的安全驾驶辅助功能。