汽车智能辅助驾驶技术是改善现有交通问题的关键技术之一,环境感知模块负责为辅助驾驶系统的提供道路信息。车道线检测技术是感知道路车道线信息的主要手段,对道路识别、路径规划及规范驾驶等关键技术具有重要意义。随着汽车智能辅助驾驶技术研究的深入以及逐渐产品化,该技术与其他前沿技术的结合应用也成为当下汽车产业技术研究的热点。车道线检测的要求也随之变化,对车道线检测数量、贴合程度以及鲁棒性有了更高的要求。本文围绕多车道线检测展开研究,针对综合环境下车道线检测算法鲁棒性不足,贴合度不高的问题,从图像预处理、车道线特征检测、车道线拟合模型以及车道线跟踪4个方面进行研究,构建了基于混合模型的车道线检测与跟踪系统;进而,针对车道线检测数量不足的问题,从侧车道线检测与侧车道判定两个方面进行研究,提出了基于车道信息与颜色约束的侧车道检测与判定方法;从而,构建了基于混合模型的多车道线检测方法。本文主要研究内容如下:1.总结了当前车道线检测的各关键部分的研究现状。从图像预处理、车道线目标特征提取、车道线后处理技术三个方面总结归纳当前车道线检测算法,并分析不足之处,提出本文研究目标。2.建立了基于混合模型的车道线检测与跟踪系统。为满足车道线检测算法检测鲁棒性更高、拟合结果更贴合的要求,首先,为降低耗时、滤除干扰因素,在预处理阶段设计了基于历史帧检测的动态感兴趣区域与基于OTSU与对比度拉伸的二次阈值分割方法;其次,联合霍夫直线变换与滑窗特征筛选进行图像中的车道线特征像素提取;进而,结合直线与基于Student-t噪声假设的曲线拟合模型,构建混合模型以刻画车道线,降低噪声影响,提高模型贴合度;最后,基于卡尔曼滤波进行车道线跟踪。3.提出了基于车道信息与颜色约束的侧车道检测与判定方法。首先针对侧车道特征不明显,在预处理阶段采用OTSU叠加灰度图与双向sobel算子叠加的方法滤除干扰因素,增强侧车道线边缘特征;其次,在特征提取阶段,采用结合本车道车道线检测结果与车道信息约束的霍夫直线变换及筛选提取侧车道特征;然后,基于HSV图像空间变换构建本车道车道线颜色约束,减少护栏与对向车道线对侧车道判定的影响;最后,基于连续检测结果的帧间相似性设计了起始判定及误检判定容器与漏检补偿方法,完成侧车道判定。4.搭建车载实验平台。在电脑端与搭建的车载平台分别进行了仿真实验与真实场景测试。经过实验结果分析,在综合场景下,本文所提车道线检测算法的检测精度、鲁棒性良好,同时具备实时运行要求,能够有效满足车道线相关功能。综上所述,本文所提检测方法能够检测多条车道,同时相较现有算法,拟合贴合度更高,鲁棒性更好。本文所做研究工作为环境感知模块中的车道线检测技术研究以及实际工程应用提供了理论基础和实践经验。