车辆行驶的安全性,以及操控的便捷性始终是人们对于驾驶体验的重要的指标和追求,以机器视觉、精确导航、高精度地图和其他传感器为基础的无人驾驶(或称自动驾驶)便为此而生。此外,无人驾驶对于提高道路通行率,节约能源,推动整个社会的经济发展,都将发挥巨大作用,是汽车行业发展的终极目标。在无人驾驶系统完全实现之前,作为其重要组成部分之一,高级辅助驾驶系统(Advanced Driver Assistance System,ADAS)是其现阶段的主要形式,其中基于机器视觉与模式识别的车道线检测与识别的研究尤为关键。对基于单目视觉的车道线检测与识别的算法以及硬件实验做了研究,主要所做工作和研究内容包括:图像处理算法、原理与硬件结合的实际应用及改进,基于DSP平台的视频采集、边缘检测分割与提取、车道线特征提取与显示,在DSP硬件平台上进行车道线检测算法的实验并且增强在该平台上程序的优化处理以及实时性问题。实施开展过程如下:在图像处理以及算法环节,首先,给出坐标变换以及颜色空间模型,对经摄像机获取并灰度化的图片用自适应阈值方法处理。随后,通过将改进后的不同方向模板与像素点卷积结果的正值或者负值部分置零,得到车道线边缘检测结果。最后,对于当前ROW内车道线,利用ROW在左、右车道线边界线的极角特征,对当前车道线加以约束,对极坐标系下的极角参数进行离散化处理,再结合改进IH算法进行车道线直线检测与识别。在视频采集与整体系统实验环节,首先,结合DM6437视频处理系统VPSS,对系统进行了整体安排与设计,根据系统功能规划,做出了方案选择。在硬件平台上,先对车道线检测系统应用到的软件开发与设计环境给出了阐释,并对软件程序的设计与实现以及处理流程做出了合理的规划,还分析研究设计了系统硬件组成、处理步骤。实验结果显示,采用IS的边缘检测方法,能较好的滤除干扰,获得较好的不同环境状况下的检测效果,利用IH的车道线检测方法,可以提高检测效果的准确度,提高系统的实时问题,减少繁琐的步骤,对检测系统的实验结果的分析,表明车道线检测算法在嵌入式DSP平台上有良好的效果。最后,对应用到的方法与所得结果做出了总结,对工作的不足、需要加强的方面以及下一步的安排进行了展望。