近年来,随着汽车安全防护辅助驾驶系统的发展,该系统中关键的车道检测技术,逐渐成为研究者的关注焦点。为了克服实际场景中会出现的各种各样的干扰,本研究在检测的基础上加入车道线的跟踪步骤,充分利用道路图像的时空一致性,有效提高了整体算法的鲁棒实时性。本文主要研究的是一种基于视觉的结构化道路场景下的车道检测和跟踪方法,主要工作内容如下:首先,根据摄像头安装位置和图像大小确定感兴趣区域,排除采集道路图像中存在的大量不相干部分。基于车道线只有白色和黄色的特点,提出一种对比增强的加权平均灰度化法,随后利用图像处理技术如图像平滑、图像增强以及阈值化,将车道线与背景部分区分开。其次,使用一种鲁棒性强的快速线段检测器(Line Segment Detector,LSD)进行车道边缘检测,并通过对比分析以验证它的优点。进而基于线段的特点,提出一种自适应斜率变化的滤除方法,筛除效果相对使用基于消失点的方法或固定斜率范围的方法更加可靠。再次,基于车道线的颜色、长度以及数量特征,提出设计三级重叠分类器,加入车道类型判别功能。考虑到实际场景中会出现的干扰情况,应用车道线跟踪技术以提高算法的鲁棒实时性,并以此生成动态感兴趣区域,进一步准确定位以缩小目标检测区域大小。最后,通过对多种实际情况的道路图像进行测试,并与其它算法进行比较,验证本文提出算法的有效性。