随着汽车保有量的增加,交通事故造成的危害也越来越大,交通安全的问题逐渐被重视。为了提高交通安全性,汽车主动安全技术得到不断的发展。主动安全系统通过实时感知车辆周围的环境,判断潜在的威胁,提前做出应对或者提示。在车辆环境感知系统中,车道线检测是一个重要的环节。因此,研究车道线识别系统具有重要的实际意义。本文使用ADI公司的Blackfin534芯片作为DSP系统的核心芯片,安捷伦公司的MT9V022传感器作为图像传感器,搭建了车道线检测平台。基于此,开展了如下研究:(1)针对单一曝光参数获得的图片在复杂光照环境下无法清晰显示车道线的问题,提出了一种基于对象的自动曝光算法。首先,通过直方图判断图像传感器的动态范围和照度范围的匹配情况;然后,根据车道线的清晰程度判断动态范围的扩展趋势;最后,通过多斜率积分的方法调节成像的动态范围,让图像中的车道线保持在对比度较高的状态,提高了车道线识别算法的识别率。(2)针对车道线识别过程中特征点过多导致拟合运算量大的问题,提出了一种针对车道线识别的优化算法:在二值化过程中使用改进的Sobel算子,保留梯度上升和下降的特征,将上升和下降特征作为车道线边缘的筛选条件。进一步,提出了一种区分虚线和实线的算法:在狭窄的区域内虚线和实线的连续性差异被放大,该区域内特征点的方差区分虚线和实线。考虑到识别过程中因车辆抖动造成的误差,利用卡尔曼滤波器平滑车辆与车道线之间的距离,给出匀速和匀加速的卡尔曼模型参数。(3)将上述自动曝光算法和车道线识别算法移植到硬件平台中,从硬件和软件两方面优化算法的实时性,将每帧的识别时间压缩到约24ms。实车实验表明:在曝光过度和曝光不足的情况下,自动曝光算法能有效提高图像成像质量;结合硬件性能的优化处理,使识别系统满足实时性要求。通过不同场景下的实车检验,本文所设计的系统可以在多种复杂照明环境下识别出车道线,具有良好的准确性和鲁棒性。